FEATURE MAP ENCODING METHOD AND APPARATUS AND FEATURE MAP DECODING METHOD AND APPARATUS

The present application relates to the technical field of data encoding and decoding based on artificial intelligence (AI), and in particular to the technical field of data encoding and decoding based on a neural network. Provided are a feature map encoding method and apparatus and a feature map decoding method and apparatus. The feature map decoding method comprises: obtaining a code stream of a feature map to be decoded, the feature map to be decoded comprising multiple feature elements; on the basis of the code stream, obtaining a first probability estimation result corresponding to each feature element, the first probability estimation result comprising a first peak probability; on the basis of a first threshold and the first peak probability corresponding to each feature element, determining a set of first feature elements and a set of second feature elements from the multiple feature elements; and on the basis of the set of first feature elements and the set of second feature elements, obtaining a decoded feature map. A decoding mode for each feature element is determined by means of the probability estimation result and the first peak probability corresponding to each feature element, so that the encoding and decoding performance is improved while reducing the complexity of encoding and decoding. Esta solicitud proporciona un método de codificación y decodificación de mapas de atributos y un aparato, y se relaciona con el campo de las tecnologías de codificación y decodificación de datos basadas en inteligencia artificial (IA) y, específicamente, con el campo de las tecnologías de codificación y decodificación de datos basadas en redes neuronales. El método de decodificación del mapa de atributos incluye: obtener una secuencia de bits de un mapa de atributos por decodificar, en donde el mapa de atributos por decodificar incluye una pluralidad de elementos de atributos; obtener un primer resultado de estimación de probabilidad correspondiente a cada elemento de atributo basado en la secuencia de bits, donde el primer resultado de estimación de probabilidad incluye una primera probabilidad de pico; determinar un conjunto de primeros elementos de atributos y un conjunto de segundos elementos de atributos a partir de la pluralidad de elementos de atributos basándose en un primer umbral y la primera probabilidad de pico correspondiente a cada elemento de atributo; y obtener un mapa de atributos decodificado basado en el conjunto de primeros elementos de