[發明專利]視頻轉換方法、裝置及設備在審
| 申請號： | 201811277395.4 | 申請日： | 2018-10-30 |
| 公開（公告）號： | CN109474851A | 公開（公告）日： | 2019-03-15 |
| 發明（設計）人： | 劉霄;李旭斌;丁予康;張樹鵬;高原;傅依;柏提;趙晨;文石磊 | 申請（專利權）人： | 百度在線網絡技術（北京）有限公司 |
| 主分類號： | H04N21/4402 | 分類號： | H04N21/4402 |
| 代理公司： | 北京同立鈞成知識產權代理有限公司 11205 | 代理人： | 孫靜;劉芳 |
| 地址： | 100085 北京市*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 視頻幀 視頻轉換 裝置及設備 視頻 圖像 圖像轉換 轉換 | ||
1.一種視頻轉換方法，其特征在于，包括：
獲取第一視頻的多個第一視頻幀，每個第一視頻幀中的圖像為第一類型；
通過視頻轉換模型對每個第一視頻幀進行圖像轉換，得到每個第一視頻幀對應的第二視頻幀，每個第二視頻幀中的圖像為第二類型；
根據每個第二視頻幀，確定所述第一視頻的轉換視頻。
2.根據權利要求1所述的方法，其特征在于，所述視頻轉換模型為通過如下方法確定得到的：
確定初始轉換模型、初始判別模型、多個第一樣本圖像、和多個第二樣本圖像，所述第一樣本圖像為第一類型的圖像，所述第二樣本圖像為第二類型的圖像；
根據初始轉換模型、初始判別模型、多個第一樣本圖像、和多個第二樣本圖像，確定所述視頻轉換模型。
3.根據權利要求2所述的方法，其特征在于，所述根據初始轉換模型、初始判別模型、多個第一樣本圖像、和多個第二樣本圖像，確定所述視頻轉換模型，包括：
根據所述多個第一樣本圖像、所述多個第二樣本圖像、所述初始判別模型和所述初始判別模型執行損失函數確定操作，得到所述初始判別模型的損失函數；
根據所述損失函數執行優化參數確定操作，得到所述初始判別模型的第一優化參數和所述初始轉換模型的第二優化參數；
根據所述第一優化參數和所述第二優化參數執行模型優化操作，所述模型優化操作包括通過所述第一優化參數更新所述初始判別模型，以及通過所述第二優化參數更新所述初始轉換模型；
重復執行所述損失函數確定操作、所述優化參數確定操作和所述模型優化操作，直至所述初始轉換模型和所述初始判別模型收斂時，將收斂的初始轉換模型確定為所述視頻轉換模型。
4.根據權利要求3所述的方法，其特征在于，所述根據所述多個第一樣本圖像、所述多個第二樣本圖像、所述初始判別模型和所述初始判別模型執行損失函數確定操作，得到所述初始判別模型的損失函數，包括：
通過所述初始轉換模型對所述多個第一樣本圖像進行轉換，得到多個第二類型的第三樣本圖像；
通過所述多個第二樣本圖像、所述多個第三樣本圖像和所述初始判別模型，確定所述初始判別模型的損失函數。
5.根據權利要求4所述的方法，其特征在于，所述通過所述多個第二樣本圖像、所述多個第三樣本圖像和所述初始判別模型，確定所述初始判別模型的損失函數，包括：
通過所述初始判別模型識別所述多個第二樣本圖像和所述多個第三樣本圖像，得到每個第二樣本圖像和每個第三樣本圖像的識別結果，所述識別結果為第一結果或第二結果，所述第一結果用于指示識別的樣本圖像為真實的第二類型圖像，所述第二結果用于指示識別的樣本圖像為轉換得到的第二類型圖像；
根據所述識別結果，確定所述初始判別模型的損失函數。
6.根據權利要求4所述的方法，其特征在于，所述根據所述損失函數執行優化參數確定操作，得到所述初始判別模型的第一優化參數和所述初始轉換模型的第二優化參數，包括：
通過所述損失函數對所述初始判別模型的參數求導，得到所述初始判別模型的參數的變化量；
根據所述初始判別模型的參數的變化量確定所述第一優化參數。
7.根據權利要求4所述的方法，其特征在于，所述根據所述損失函數執行優化參數確定操作，得到所述初始轉換模型的第二優化參數，包括：
通過所述損失函數對所述第三樣本圖像進行求導，得到所述第三樣本圖像的梯度；
通過所述第三樣本圖像的梯度對所述初始轉換模型的參數進行求導，得到所述初始轉換模型的參數的變化量；
根據所述初始轉換模型的參數的變化量，確定所述第二優化參數。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于百度在線網絡技術（北京）有限公司，未經百度在線網絡技術（北京）有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/201811277395.4/1.html，轉載請聲明來源鉆瓜專利網。
