-
公开(公告)号：CN110620927B
公开(公告)日：2022-05-27
申请号：CN201910826964.4
申请日：2019-09-03
Applicant: 上海交通大学
IPC: H04N19/30 , H04N19/132 , H04N19/42 , H04N19/85
Abstract: 本发明提供了一种基于结构化稀疏的可伸缩压缩视频张量信号采集与重构系统，包括：张量基构造模块、张量分解模块、可伸缩传感模块和可伸缩重构模块，其中，所述张量基构造模块对视频信号的关键帧块利用数据驱动张量子空间联合模型以及分层张量子空间学习生成稀疏基矩阵。本发明提供的可伸缩压缩张量采样契合了视频采样过程的分布式渐进式的结构，对结构化稀疏基矩阵的渐进构造也提升了重构的精确度和效率，从而提高了视频信号的可伸缩采样效率，在不同的采样压缩率下相比其他方法取得了重构增益，同时也具备良好的可扩展性。
-
公开(公告)号：CN113645487B
公开(公告)日：2022-05-17
申请号：CN202110796984.9
申请日：2021-07-14
Applicant: 上海交通大学
IPC: H04N21/24 , H04N21/2662 , H04N21/6379 , G06F17/18 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种网络吞吐量预测方法及码率自适应分配方法，包括：构建输入为待下载视频切片的前多个视频切片下载时间段内的网络吞吐量数据、输出为未来短期网络吞吐量预测统计分布的贝叶斯神经网络；构建超参神经网络，拟合贝叶斯神经网络的参数的统计分布；构建网络吞吐量数据集；利用网络吞吐量数据集对超参神经网络进行参数迭代更新，得到最优的超参神经网络的参数模型，以计算贝叶斯神经网络的参数分布，通过对贝叶斯神经网络的参数进行蒙特卡洛采样，计算出未来短期的网络吞吐量的统计分布平均值以及预测不确定度。通过本发明，提高了网络视频流传输的带宽利用率和鲁棒性，为用户提供了更好的视频服务质量。
-
公开(公告)号：CN114501013A
公开(公告)日：2022-05-13
申请号：CN202210042520.3
申请日：2022-01-14
Applicant: 上海交通大学
IPC: H04N19/146 , H04N19/109 , H04N19/11 , H04N19/124 , H04N19/31 , H04N19/91 , G06T9/00 , G06V20/40 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供可变码率视频压缩方法、系统、装置及存储介质，包括：将参考帧图像通过卷积神经网络，得到参考帧的第一特征图，通过尺度缩放及可导量化得到参考帧的第二特征图，并进行逆缩放，得到重构的参考帧。将预测帧图像通过卷积神经网络，得到预测帧的第一特征图，通过尺度缩放及量化得到预测帧的第二特征图。将预测帧的第二特征图与参考帧的第二特征图相减，得到特征图残差；利用参考帧的第二特征图作为先验信息，对特征图残差进行无损熵编码，并传输至解码端；将特征图残差与参考帧的第二特征图相加并逆缩放后，通过卷积神经网络得到重构的预测帧。本发明利用尺度因子将特征图进行尺度缩放，从而得到不同码率质量对应的特征图。
-
公开(公告)号：CN114239799A
公开(公告)日：2022-03-25
申请号：CN202111464007.5
申请日：2021-12-03
Applicant: 上海交通大学
IPC: G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种高效目标检测方法，包括：获取目标检测训练集；将所述训练集用于目标检测网络的预训练，得到全精度目标检测网络；自动调整所述目标检测网络的精度和参数，获得指定压缩率下的混合精度目标检测网络；采用所述混合精度目标检测网络对待检测图像进行处理，得到图像检测结果。本发明能基于给定的图像数据，自动调整设计目标检测网络的参数，减少模型大小，无需繁杂的人为设计，能够在不同的计算和存储资源下，自适应的调整模型大小，同时实现较高的图像检测准确率，保证了图像检测方法的稳定性和实用性。
-
公开(公告)号：CN113645487A
公开(公告)日：2021-11-12
申请号：CN202110796984.9
申请日：2021-07-14
Applicant: 上海交通大学
IPC: H04N21/24 , H04N21/2662 , H04N21/6379 , G06F17/18 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种网络吞吐量预测方法及码率自适应分配方法，包括：构建输入为待下载视频切片的前多个视频切片下载时间段内的网络吞吐量数据、输出为未来短期网络吞吐量预测统计分布的贝叶斯神经网络；构建超参神经网络，拟合贝叶斯神经网络的参数的统计分布；构建网络吞吐量数据集；利用网络吞吐量数据集对超参神经网络进行参数迭代更新，得到最优的超参神经网络的参数模型，以计算贝叶斯神经网络的参数分布，通过对贝叶斯神经网络的参数进行蒙特卡洛采样，计算出未来短期的网络吞吐量的统计分布平均值以及预测不确定度。通过本发明，提高了网络视频流传输的带宽利用率和鲁棒性，为用户提供了更好的视频服务质量。
-
Patent Agency Ranking
公开(公告)号：CN113115077A
公开(公告)日：2021-07-13
申请号：CN202110269265.1
申请日：2021-03-12
Applicant: 上海交通大学
IPC: H04N21/238
Abstract: 本发明公开了一种静态点云服务器端码率自适应传输方法及系统，该方法包括：服务器端将静态点云划分为3D空间切片；用户端将用户观看信息以及显示屏幕分辨率实时反馈给服务器端，并从服务器端下载可分配给每个3D空间切片的码率版本全集；服务器端根据用户观看信息以及显示屏幕分辨率计算出每一个空间切片的QoE贡献；并采用空间切片组成的全集、空间切片的码率版本全集、网络资源限制、每一个空间切片的QoE贡献，建立基于空间切片的码率自适应分配的优化问题，得到最优空间切片码率版本子集。系统包括：用户端、服务器端，对应实现上述功能。通过本发明，提高了静态点云传输的带宽利用率，为用户提供更好的质量体验。
-
公开(公告)号：CN111131834B
公开(公告)日：2021-07-06
申请号：CN201911391009.9
申请日：2019-12-30
Applicant: 上海交通大学
IPC: H04N19/42 , H04N19/426 , H04N19/124 , H04N19/13 , G06N3/04
Abstract: 本发明提供一种可逆自编码器、编解码方法以及图像压缩方法、装置，其中可逆自编码器包括：编码信号分离模块、级联可逆编码模块、编码信号合成模块、解码信号分离模块、级联可逆解码模块、解码信号合成模块，其中：信号分离模块对输入图像进行分离、并生成两路信号，级联可逆编码模块和级联可逆解码模块对两路信号进行处理，信号合成模块对处理后的两路信号进行合成。本发明涉及了可逆自编码器的同事，还提供了其应用于图像压缩的方法，该方法与基准神经网络相比，在达到相同压缩效果的前提下可以减少一半的参数量与计算量。
-
公开(公告)号：CN113034414A
公开(公告)日：2021-06-25
申请号：CN202110304115.X
申请日：2021-03-22
Applicant: 上海交通大学
Abstract: 本发明提供了一种图像重构方法及系统，包括：将输入图像分解成一组卷积字典和稀疏向量卷积的和，在稀疏向量零范数约束下，建立压缩感知优化问题；基于所述压缩感知优化问题构建可微分优化深度神经网络，将所述测量信号作为所述深度神经网络的输入，从采样矩阵和测量信号求解卷积字典和稀疏向量，重构图像。同时提供了一种相应的图像重构装置及存储介质。本发明采用了基于卷积稀疏编码构建压缩感知图像重构模型，降低字典表示的冗余性；同时适用于随机矩阵采样和0/1稀疏矩阵采样模式，可分别适用于自然图像压缩感知重构和磁共振成像重构；具有更高的的重构精度。
-
公开(公告)号：CN110708549B
公开(公告)日：2021-06-01
申请号：CN201910854384.6
申请日：2019-09-10
Applicant: 上海交通大学
IPC: H04N19/126 , H04N19/149 , H04N19/42 , H04N19/85
Abstract: 本发明提供了一种压缩视频张量信号采集与重构系统及方法，包括：结构化稀疏张量字典学习模块、张量传感模块和重构处理模块，其中：结构化稀疏张量字典学习模块首先利用子空间聚类的方法得到训练集，然后利用张量子空间学习方法以及基于块相关最小化的块稀疏张量字典学习方法得到字典，张量传感模块对视频张量信号以图像张量块的形式进行投影，所得的数据最后在重构处理模块中被解码重构。本发明提供压缩采样的同时还契合了视频采样过程的分布式渐进式的结构，对结构化稀疏字典矩阵的特殊构造也提升了重构的精确度和效率，提高了视频信号的采样效率，在不同的采样压缩率下相比其他方法取得了重构增益，同时也具备良好的可扩展性。
-
公开(公告)号：CN111160436A
公开(公告)日：2020-05-15
申请号：CN201911330871.9
申请日：2019-12-20
Applicant: 上海交通大学
Abstract: 本发明公开了一种旋转等变的图卷积神经网络的球形图像分类方法及系统，该方法包括：利用测地线二十面体采样方式构建球形图，利用构建的球形图表示球形图像；利用切比雪夫多项式滤波器构建具有旋转等变性质的图卷积层，对球形图进行图卷积；利用细分构图逆操作的池化层保持旋转等变性，对经过图卷积后的球形图进行图池化；利用基于图节点的均值及方差统计的过渡层，对经过图池化后的球形图的节点上的信号值进行统计，以通过全连接层对信号统计值进行处理进而对球形图像进行分类。该系统包括：依次连接的球形图构建模块、图卷积模块、图池化模块及图过渡模块。通过本发明，提高了对旋转图像的特征提取能力和识别能力，具有良好的实用性和扩展性。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.027 seconds)
