公开(公告)号：CN117237259B

公开(公告)日：2024-02-27

申请号：CN202311510614.X

申请日：2023-11-14

Applicant: 华侨大学

Inventor： 陈婧 ,  陈柯米 ,  曾焕强 ,  朱建清 ,  施一帆 ,  林琦

IPC: G06T5/50 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06V10/54 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于多模态融合的压缩视频质量增强方法及装置，涉及图像处理领域，该方法包括：获取图像帧及其对应的光流图和纹理图并分别进行特征提取，得到图像特征、光流特征和纹理特征；构建压缩视频质量增强模型并训练，得到经训练的压缩视频质量增强模型；将图像特征、光流特征和纹理特征输入经训练的压缩视频质量增强模型，图像特征、光流特征和纹理特征输入多模态一致性单元，自适应调整三种模态信息的分布，得到第一特征、第二特征和第三特征并输入多模态融合单元以进行特征融合，得到融合特征并输入多模态重构单元，得到重构信息，将重构信息与图像帧相加，得到增强的视频帧，解决单模态图像难以有效改善最终重建视频的质量的问题。

公开(公告)号：CN117456480A

公开(公告)日：2024-01-26

申请号：CN202311769679.6

申请日：2023-12-21

Applicant: 华侨大学 ,  星宸科技股份有限公司

Inventor： 曾焕强 ,  郑航杰 ,  施一帆 ,  朱建清 ,  陈婧 ,  沈剑楠

IPC: G06V20/54 ,  G06V10/74 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于多源信息融合的轻量化车辆再辨识方法，涉及计算机视觉与机器学习技术领域，包括：构建神经网络；所述神经网络包括依次连接的ResNet50网络、局部特征融合网络和混合注意力模块；使用监督对比损失和多源信息识别损失对神经网络进行联合训练，直至收敛，得到教师网络；选取计算量和参数量比教师网络均小的模型作为学生网络；通过知识蒸馏，对学生网络进行监督，训练直至收敛，得到轻量化的车辆再辨识模型；基于轻量化的车辆再辨识模型，输出再辨识结果。本发明利用多源信息融合的方式协调不同传感器数据以提高再辨识性能，并辅以知识蒸馏，实现在有限的计算资源下，实现高质量的再辨识，从而为各种应用场景提供了更多的灵活性。

公开(公告)号：CN117440158A

公开(公告)日：2024-01-23

申请号：CN202311759886.3

申请日：2023-12-20

Applicant: 华侨大学

Inventor： 曾焕强 ,  孔庆玮 ,  陈婧 ,  朱建清 ,  施一帆 ,  林琦 ,  郑惠洁

IPC: H04N19/147 ,  H04N19/154

Abstract: 本发明公开了一种基于三维几何失真的MIV沉浸式视频编码率失真优化方法，涉及视频编码领域，包括：S1，基于MIV编码平台编码沉浸式视频序列，生成图集后，计算与深度映射范围系数；S2，使用支持MIV标准的二维视频编码器编码沉浸式视频几何图集时，构建三维几何失真与均方误差的关系模型；S3，根据三维几何失真与均方误差的关系模型，计算三维几何失真系数；S4，根据三维几何失真系数，计算率失真优化模型中新的拉格朗日乘子，基于调整后的率失真优化模型编码当前CTU，以改善沉浸式视频渲染质量的率失真性能。本发明最终渲染的沉浸式视频质量与码率的率失真性能更好。

公开(公告)号：CN117294894A

公开(公告)日：2023-12-26

申请号：CN202311150398.2

申请日：2023-09-07

Applicant: 华侨大学

Inventor： 陈龙涛 ,  孔灵丽 ,  曾焕强 ,  黄德天 ,  傅玉青 ,  郭荣新 ,  施一帆 ,  廖国兴

IPC: H04N21/44 ,  G06V20/40

Abstract: 本发明提供一种视频目标编辑方法、终端设备及存储介质，方法包括：获取视频信息、目标编辑操作、目标编号和视频目标参数；使用视频实例分割算法对视频中的帧图像进行目标分割，得到目标的像素级信息；输出对应操作和编号的相应图片列表，根据目标编辑操作，输出原帧列表、目标二值掩码列表、平移目标帧列表、平移目标二值掩码列表、缩放目标帧列表或缩放目标二值掩码列表；使用视频图像修复算法对视频画面进行修复，根据目标编辑操作，输出删除修复视频、平移修复视频列表或缩放修复视频。本发明能够更方便、高效及精确地实现视频目标编辑。

公开(公告)号：CN116612445A

公开(公告)日：2023-08-18

申请号：CN202310891062.5

申请日：2023-07-20

Applicant: 华侨大学

Inventor： 朱建清 ,  张晓翔 ,  陈巍 ,  赵倩倩 ,  曾焕强 ,  陈婧 ,  蔡灿辉 ,  施一帆

IPC: G06V20/54 ,  G06V10/762 ,  G06V10/74 ,  G06V10/764 ,  G06V10/774 ,  G06V10/778 ,  G06V10/82 ,  G06N3/088

Abstract: 本发明公开了一种基于自适应聚类和困难样本加权的无监督车辆再辨识方法，首先，利用当前聚类参数计算最合适的半径值，提升聚类伪标签对车辆样本噪声的鲁棒性；其次，记忆模块记录所有车辆样本特征向量，利用距离作为车辆样本困难程度加权依据，改善模型对困难车辆样本关注力不足的问题；最后，利用加权困难车辆样本结合对比学习方法训练车辆再辨识模型。本发明可广泛应用于智慧交通和智慧安防中的智能视频监控系统。