1.一种视频传输方法，其特征在于，应用于编码端，所述方法包括：
确定待传输视频的至少一组画面组的关键帧以及非关键帧；
确定所述关键帧以及所述非关键帧对应的采样率；
按照各所述采样率将对应的所述画面组分块压缩编码为传输数据，并发送所述传输数据至解码端。
2.根据权利要求1所述方法，其特征在于，所述确定所述关键帧以及所述非关键帧对应的采样率包括以下至少之一：
针对所述关键帧和所述非关键帧分别预先配置固定的采样率；
基于所述编码端的硬件限制条件确定所述关键帧以及所述非关键帧对应的采样率。
3.根据权利要求1所述方法，其特征在于，所述按照各所述采样率将对应的所述画面组分块压缩编码为传输数据，包括：
将所述画面组内所述关键帧以及所述非关键帧按照预设尺度划分为分块数据；
依据各所述采样率分别确定所述关键帧以及所述非关键帧的所述分块数据分别对应的分块采样率；
按照所述分块采样率采样对应的所述分块数据为采样分块数据；
将各所述采样分块数据作为所述传输数据。
4.根据权利要求3所述方法，其特征在于，所述依据各所述采样率分别确定所述关键帧以及所述非关键帧的所述分块数据对应的分块采样率，包括：
按照所述关键帧以及所述非关键帧的均值滤波结果与原数据的差值确定各所述分块数据内像素点的信息差；
依据所述信息差确定对应的所述分块数据内所述像素点的采样值数量；
按照所述分块数据内所有所述像素点的所述采样值数量确定迭代误差；
在所述迭代误差满足预设条件时，将所述采样值数量对应的采样率作为对应的所述分块数据的所述分块采样率；
在所述迭代误差不满足预设条件时，按照预设分配公式重新分配所述采样值数量并重新确定所述迭代误差直到确定出所有所述分块数据的所述分块采样率。
5.根据权利要求4所述方法，其特征在于，所述按照所述关键帧以及所述非关键帧的均值滤波结果与原数据的差值确定各所述分块数据内像素点的信息差，包括：
对所述关键帧以及所述非关键帧内的每帧视频图像分别进行帧内均值滤波以确定所述每帧视频图像内每个像素点分别对应的均值滤波结果；
确定各所述分块数据内所述像素点的原始数据与所述均值滤波结果的差值，并将所述差值与预设自选超参的乘积作为所述信息差。
6.根据权利要求4所述方法，其特征在于，所述依据所述信息差确定对应的所述分块数据内所述像素点的采样值数量，包括:
在所述分块数据归属的视频图像为所述关键帧时，按照所述关键帧的第一采样率分别截取所述分块数据内所述像素点的所述信息差确定所述采样值数量；
在所述分块数据归属的视频图像为所述非关键帧时，按照所述非关键帧的第二采样率分别截取所述分块数据内所述像素点的所述信息差确定所述采样值数量。
7.根据权利要求4所述方法，其特征在于，所述按照所述分块数据内所有所述像素点的所述采样值数量确定迭代误差，包括：
确定所述分块数据内所有所述像素点的所述采样值数量的求和值；
将所述求和值与所述分块数据对应的预设采样数量的差值作为所述迭代误差。
8.根据权利要求4所述方法，其特征在于，所述预设分配公式包括以下至少之一；
Q＝Q‑sign(δ)×D；
其中，所述Q表示所述采样值数量，所述L表示所述分块数据的通道数，所述δ表示所述迭代误差，所述D表示随机从多项式分布内选择的迭代矩阵，所述sign函数表示正负值判断函数。
9.根据权利要求4所述方法，其特征在于，所述将所述采样值数量对应的采样率作为对应的所述分块数据的所述分块采样率，包括：
针对各所述分块数据确定对应的分块数据维度以及所述采样值数量；
将所述采样值数量与所述分块数据维度的比值作为所述分块数据对应的所述分块采样率。
10.根据权利要求1所述方法，其特征在于，所述关键帧的第一采样率大于所述非关键帧的第二采样率。
11.一种视频传输方法，其特征在于，应用于解码端，所述方法包括：
接收编码端发送的传输数据，其中，所述传输数据按照关键帧以及非关键帧对应的采样率分块压缩编码生成；
重建所述传输数据为初始关键帧以及初始非关键帧；
基于预设深度重建网络重建所述初始关键帧为关键帧，并根据所述关键帧指导所述初始非关键帧重建为非关键帧；
基于所述关键帧和所述非关键帧构建传输视频的画面组。
12.根据权利要求11所述方法，其特征在于，所述基于预设深度重建网络重建所述初始关键帧为关键帧，并根据所述关键帧指导所述初始非关键帧重建为非构建帧，包括：
按照所述预设深度重建网络处理所述初始关键帧，并获取所述深度重建网络的关键帧输出结果；
将所述关键帧输出结果以及所述初始非关键帧输入预设重建网络以生成非关键帧输出结果；
重复执行上述过程直到所述关键帧输出结果以及所述非关键帧输出结果满足深度重建条件，将所述关键帧输出结果作为所述关键帧以及所述非关键帧输出结果作为所述非关键帧。
13.根据权利要求12所述方法，其特征在于，所述按照所述预设深度重建网络处理所述初始关键帧，并获取所述深度重建网络的关键帧输出结果，包括：
获取所述预设深度重建网络的迭代优化模块的迭代步长，按照所述迭代步长以及预设公式获取所述初始关键帧对应的优化结果，其中，所述预设公式包括：
(k) (k) T (k‑1) (k)
r ＝x ‑ρφ (φx ‑y)，其中，所述r 表示初始关键帧k的优化结果，所述ρ表示所T
述迭代步长，所述φ表示所述初始关键帧的采样矩阵，所述φ 表示所述初始关键帧的采样(k)
矩阵的转置，所述x 表示所述初始关键帧，所述y表示所述初始关键帧对应的所述传输数据；
调用所述预设深度重建网络的特征提取模块在所述优化结果提取特征数据作为待卷积输入；
按照所述预设深度重建网络的卷积重建模块处理所述待卷积输入为待卷积输出；
将所述优化结果内经所述特征提取模块提取所述特征数据后的剩余数据以及所述待卷积输出的和作为所述关键帧输出结果。
14.根据权利要求12所述方法，其特征在于，所述预设深度重建网络的卷积重建模块至少包括第一卷积单元、Soft函数、第二卷积单元以及π卷积单元；
所述第一卷积单元与所述第二卷积单元之间通过所述Soft函数进行连接，所述π卷积单元接收所述第二卷积单元的输出作为输入；
其中，所述第一卷积单元以及所述第二卷积单元分别包括两层卷积核以及一层激活函数，所述π卷积单元包括两层卷积核以及两层激活函数。
15.根据权利要求12所述方法，其特征在于，所述将所述关键帧输出结果以及所述初始非关键帧输入预设重建网络以生成非关键帧输出结果，包括：
分别提取至少一个所述初始关键帧对应的所述关键帧输出结果；
将各所述关键帧输出结果以及所述初始非关键帧一同作为所述预设重建网络的输入参数；
提取所述预设重建网络的输出参数作为所述非关键帧输出结果；
其中，所述预设卷积网络包括以下至少之一：卷积神经网络、LeNet‑5卷积神经网络、AlexNet卷积神经网络、VGG‑16卷积神经网络、ResNet卷积神经网络。
16.根据权利要求12所述方法，其特征在于，所述深度重建条件包括以下至少之一：
所述预设深度重建网络以及所述预设重建网络的调用次数大于或等于预设阈值；
所述关键帧输出结果以及所述非关键帧输出结果的图像质量满足预设质量要求。
17.根据权利要求11所述方法，其特征在于，还包括：基于预设训练集训练生成所述预设深度重建网络。
18.根据权利要求17所述方法，其特征在于，所述基于预设训练集训练生成所述预设深度重建网络，包括：
获取所述预设训练集，其中，所述预设训练集至少包括Akiyo视频序列、Coastguard视频序列、Foreman视频序列、Mother_daughter视频序列、Paris视频序列和Silent视频序列；
将所述预设训练集输入预先构建的初始深度重建网络，其中，所述初始深度重建网络至少包括迭代优化模块、特征提取模块和卷积重建模块；
获取所述初始深度重建网络的训练结果，并按照预设损失函数确定所述训练结果的损失值；
在所述损失值满足预设条件时，将所述初始重建网络作为所述预设深度重建网络；
在所述损失值未满足所述预设条件时，调整所述初始重建网络的属性参数后继续获取所述训练结果的损失值，直到完成所述预设深度重建网络的训练。
19.根据权利要求18所述方法，其特征在于，所述预设损失函数包括以下至少之一：
所述预设训练集的画面组为单关键帧时，所述预设损失函数为：
所述预设训练集的画面组为双关键帧时，所述预设损失函数为：
其中，N为所述预设训练集内画面组的个数，所述xkey表示所述预设训练集内关键帧原数据，所述Ikey表示预设训练集内关键帧重建结果，K为所述画面组内非关键帧的个数，所述xk表示所述预设训练集内关键帧原数据，所述Ik表示预设训练集内关键帧重建结果，Nb为关键帧块个数，Nk则为关键帧图像块大小Np，Np则为所述卷积重建模块的个数， 表示j次训练的输出结果。
20.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1‑10或11‑19中任一所述的视频传输方法。
21.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或多个程序，所述一个或多个程序被一个或多个处理器执行，以实现如权利要求1‑10或11‑19中任一所述的视频传输方法。