目前,视频编解码在视频图像领域被广泛应用,同时在对视频图像进行编解码处理时需要庞大的算力支撑。因此,算力成为视频编解码效率的重要影响因素。而在视频编解码过程中,由于外界环境的扰动,往往会对背景等不感兴趣的物体进行无用的编码,浪费大量的算力。国内外针对视频编解码效率的研究主要集中在生成编码块后,对帧内或帧间预测时对编码块进行的优化,并未涉及到编码块生成之前对视频图像的优化。针对这一现状,本文提出了一种针对视频编解码场景的图像语义分割算法。本文从一种新的优化角度出发,通过一种新的图像分割算法生成编码块,将背景等不感兴趣的部分提前分割出来,以避免在编码过程中对背景及其他不感兴趣的物体的无用重编码,来减少编解码过程所消耗的算力,提高编码效率。论文的主要工作包括:(1)提出一种新的图像分割算法。本算法通过将图像划分为n×n个编码块,实现以编码块为单位对图像进行分割。将对图像中每个像素点的分割转化为对图像中的每个编码块的分割。通过对图像中的背景及其他不感兴趣的物体提前分割出来,生成带标注的编码块,并通过对编码块的生成优化实现对视频编解码的优化。将编码块生成问题转化为对图像的分割处理问题。(2)基于卷积神经网络实现该图像分割算法。卷积神经网络具有强大的特征提取功能,利用卷积神经网络可以自动弥补传统算法中受限于先验知识的缺陷,提取出视频图像的特征,并根据图像特征生成编码块。(3)针对硬件特性对神经网络进行优化。针对硬件通道对齐的特性,对神经网络结构进行优化,加速神经网络在GPU下的训练过程以及加速在硬件MLU下的推理过程。通过以上三种优化,基于图像分割算法将视频图像中不感兴趣的部分分割出来并生成视频编解码所需的编码块,根据分割得到的带标签的编码块可以减少视频编解码中的无用编码。最后通过卷积神经网络及其优化,加速神经网络的训练和推理过程,实现对视频编解码技术的优化。