(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211382700.2 (22)申请日 2022.11.07 (71)申请人 深圳传音 控股股份有限公司 地址 518057 广东省深圳市南 山区粤海街 道深南大道9789 号德赛科技大厦标识 层17层 （自然层15层） 1702-170 3号 (72)发明人 刘雨田　 (74)专利代理 机构 深圳市世纪恒程知识产权代 理事务所 4 4287 专利代理师 李俊杰 (51)Int.Cl. G06K 9/00(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 处理方法、 处 理设备及存 储介质 (57)摘要 本申请提出了一种处理方法、 处理设备及存 储介质， 处理方法包括以下步骤： 获取或确定第 二颜色分量信息； 根据所述第二颜色分量信息 和/或目标神经网络， 预测或者得到对应的第一 颜色分量块。 本申请技术方案可以提高颜色分量 信号预测的精准度。 权利要求书2页 说明书27页 附图12页 CN 115422986 A 2022.12.02 CN 115422986 A 1.一种处 理方法， 其特 征在于， 包括以下步骤： S1： 获取或确定第二颜色 分量信息； S2： 根据所述第二颜色分量信息和/或目标神经网络， 预测或者得到对应的第一颜色分 量块。 2.如权利要求1所述的方法， 其特 征在于， 所述 步骤S1之前， 包括以下至少一项： 获取或确定与第一颜色 分量块对应的第二颜色 分量块中的第二颜色 分量信息； 获取所有的数据子集， 根据每个所述数据子集对其对应的神经网络进行训练， 得到目 标神经网络 。 3.如权利要求2所述的方法， 其特 征在于， 所述获取 所有的数据子集之前， 还 包括： 获取或确定第 一颜色分量块对应的第 二颜色分量信 息、 邻居信 息和编码参数中的至少 一个； 以所述第一颜色分量块为标签， 将所述第一颜色分量块对应的第二颜色分量信息、 所 述第一颜色 分量块对应的邻居信息和编码参数中的至少一个作为数据元 素； 根据模式选择模块和所述数据元 素确定所述数据元 素对应的数据子集。 4.如权利要求1至3 中任一项所述的方法， 其特征在于， 在所述根据目标神经网络， 预测 或者得到对应的第一颜色 分量块之前， 还 包括： 步骤S22： 将第一颜色分量块对应的邻居信息、 第二颜色分量信息和编码参数中的至少 一个输入至模式选择模块， 以使 所述模式选择模块确定所述第一颜色分量块对应的目标神 经网络。 5.如权利要求 4所述的方法， 其特 征在于， 所述 步骤S22之前， 还 包括： 步骤S21： 若与所述第一颜色分量块相邻的第一颜色分量块中不存在第一颜色分量信 息， 则根据预设的第一颜色分量填充规则对与所述第一颜色分量块相 邻的第一颜色分量块 进行第一颜色 分量信息填充， 以得到所述第一颜色 分量块对应的邻居信息 。 6.如权利要求1至3 中任一项所述的方法， 其特征在于， 所述根据目标神经网络， 预测或 者得到对应的第一颜色 分量块包括至少以下一项： 根据所述目标神经网络进行预测， 得到第三颜色分量信号， 根据所述第三颜色分量信 号预测第一颜色 分量信号， 根据所述第一颜色 分量信号确定第一颜色 分量块； 根据第一颜色分量信号对应的目标神经网络进行预测， 得到第一颜色分量信号， 并根 据所述第一颜色 分量信号确定第一颜色 分量块； 将第二颜色分量信 息和邻居信 息输入到所述目标神经网络， 得到或者预测对应的第 一 颜色分量块； 将所述第二颜色分量信息、 邻居信息和编码参数输入到所述目标神经网络， 得到或者 预测对应的第一颜色 分量块； 若只存在一个所述目标神经网络， 则将所述目标神经网络进行预测的预测结果作为第 一颜色分量块； 若存在至少一个所述目标神经网络， 则获取或确定每个所述目标神经网络进行预测的 预测结果， 并包括以下至少一项： 对所有所述预测结果进行汇总， 得到或者预测对应的第一颜色 分量块； 选取所有所述预测结果中的一种预测结果作为第一颜色 分量块；权　利　要　求　书 1/2 页 2 CN 115422986 A 2根据所有所述预测结果的一种函数确定第一颜色 分量块。 7.如权利要求1至 3中任一项所述的方法， 其特 征在于， 所述方法还 包括： 步骤S4： 获取或确定第一颜色 分量块对应的第一颜色 分量信息； 步骤S5： 根据第一颜色分量信息和目标神经网络进行预测， 或者根据第一颜色分量信 息进行预测， 得到或者预测对应的第一颜色 分量块。 8.一种处 理方法， 其特 征在于， 包括以下步骤： S10： 获取或确定第一颜色分量块对应的第二颜色分量信息、 邻居信息和编码参数中的 至少一个； S20： 以第一颜色分量块为标签， 将第二颜色分量信息、 邻居信息和编码参数中的至少 一个作为数据元 素； S30： 根据模式选择模块和所述数据元素确定所述数据元素对应的数据子集， 以用于 训练进行颜色 分量信号预测的目标神经网络 。 9.如权利要求8所述的方法， 其特 征在于， 所述 步骤S30， 包括以下至少一项： 将数据元素输入至模式选择模块， 以使模式选择模块利用数据 元素对应的第 二颜色分 量信息、 邻居信息和编码参数中的至少一个， 确定数据元 素对应的数据子集； 利用预设的数据规则， 将数据元素进行数据分类， 以将数据元素分类至所述对应的数 据子集。 10.如权利要求8所述的方法， 其特 征在于， 所述 步骤S30之后， 还 包括： 步骤S40： 获取或确定所有的数据子集， 根据每个所述数据子集对其对应的神经网络进 行训练， 得到目标神经网络 。 11.如权利要求8至10中任一项所述的方法， 其特 征在于， 所述方法还 包括： 获取或确定第二颜色 分量信息； 根据所述第二颜色分量信息和/或目标神经网络， 预测或者得到对应的第一颜色分量 块。 12.一种处理设备， 其特征在于， 包括： 存储器、 处理器， 其中， 所述存储器上存储有计算 机程序， 所述计算机程序被所述处理器执行时实现如权利要求1至11中任一项所述处理方 法的步骤。 13.一种存储介质， 其特征在于， 所述存储介质上存储有计算机程序， 所述计算机程序 被处理器执行时实现如权利要求1至1 1中任一项所述处 理方法的步骤。权　利　要　求　书 2/2 页 3 CN 115422986 A 3