一种基于空洞卷积与通道注意力机制的视口预测增强方法

本发明属于360度视频流传输与深度学习视口预测技术领域，具体提供一种基于空洞卷积与通道注意力机制的视口预测增强方法。针对现有视口预测模型在特征提取时存在的感受野受限、局部细节感知不足及全局上下文建模不充分等问题，本发明将空洞卷积与通道注意力（Squeeze‑and‑Excitation,SE）机制相结合，构建一种能够提升特征判别能力的复合模块。该方法首先通过空洞卷积扩大感受野，在不增加参数的前提下有效捕获多尺度上下文信息，强化对长距离空间依赖关系的建模；其次引入SE模块，对不同通道特征进行权重自适应调整，强化关键区域响应，抑制冗余信息；最后将该模块嵌入视口预测网络的卷积层，与卷积多头注意力机制协同作用，从而在保留全局特征的同时提升对局部细节的感知能力。实验结果表明，该模块在3s、4s、5s的预测准确率分别为95.5%、95.6%和95.5%，对应的F1分数为0.708、0.716和0.704，显著提升了360度视频长时视口预测的准确性与稳定性，具备良好的实用性与推广前景。