-
公开(公告)号：CN102957651B
公开(公告)日：2017-03-15
申请号：CN201110240284.8
申请日：2011-08-17
Applicant: 北京泰美世纪科技有限公司 , 国家新闻出版广电总局广播科学研究院
CPC classification number: H04L27/2657
Abstract: 本发明提供了一种数字音频广播信号频率同步和接收方法，接收机调节前端设置频点，解调一个子带内的数字音频广播信号；提取系统信息中包含的当前子带标称频点信息及当前数字音频广播信号所采用的频谱模式索引信息；根据提取出的当前子带标称频点信息及当前数字音频广播信号所采用的频谱模式索引信息，调整接收机前端频点设置，完成当前数字音频广播信号频谱模式下的频率中心点同步。本发明还提供了一种数字音频广播信号频率同步和接收装置。利用该方法和装置可以高效快速地识别当前数字音频广播信号中的频谱组合模式，实现数字音频广播下高容量多业务数据接收的需要。
-
公开(公告)号：CN102957435B
公开(公告)日：2017-03-15
申请号：CN201110238045.9
申请日：2011-08-17
Applicant: 国家新闻出版广电总局广播科学研究院 , 北京泰美世纪科技有限公司
IPC: H03M13/11
CPC classification number: H03M13/036 , H03M13/116
Abstract: 本发明实施例提出了一种LDPC码校验矩阵的构造方法，包括：构造一个产生码率为R、码长为N的LDPC码的MB×NB维的过度基础矩阵BT，其中MB＝M/K，NB＝N/K，M＝N(1－R)，K为过度基础矩阵的扩张比，K∈Φ，Φ为M和N的公因子的集合；用K×K维的矩阵替换过度基础矩阵BT中的元素，将过度基础矩阵BT扩张为M×N维的过度矩阵HT；去除过度矩阵HT中至少一个K×K维的矩阵的至少一个元素“1”以获得校验矩阵H，校验矩阵H具有优化的行重分布和/或列重分布，用于进行LDPC码的编码和/或译码。还提出了一种LDPC码校验矩阵的构造装置和编码方法及系统。
-
公开(公告)号：CN106341705A
公开(公告)日：2017-01-18
申请号：CN201510395619.1
申请日：2015-07-07
Applicant: 国家新闻出版广电总局广播科学研究院
IPC: H04N21/254 , H04N21/24 , H04N17/00
Abstract: 本发明实施例提供一种无线广播电视覆盖数据的分析处理系统，该系统包括：接收模块、存储模块、数据处理模块、分析服务模块；接收模块，用于接收用户上传的无线广播电视覆盖路测数据和无线广播电视覆盖仿真数据；数据处理模块，用于对无线广播电视覆盖路测数据和无线广播电视覆盖仿真数据进行查验，将查验合格的无线广播电视覆盖路测数据和查验合格的无线广播电视覆盖仿真数据存储在所述存储模块中；分析服务模块，用于将查验合格的无线广播电视覆盖路测数据和查验合格的无线广播电视覆盖仿真数据进行分析处理，获取无线广播电视覆盖分析结果。在统一管理无线广播电视覆盖数据的同时，提高了无线广播电视覆盖情况的分析效率和准确性。
-
公开(公告)号：CN106204647A
公开(公告)日：2016-12-07
申请号：CN201610515653.2
申请日：2016-07-01
Applicant: 国家新闻出版广电总局广播科学研究院
IPC: G06T7/20
CPC classification number: G06T7/20 , G06T2207/10016 , G06T2207/10024 , G06T2207/20081
Abstract: 本发明专利涉及一种基于多特征和组稀疏的视觉目标跟踪方法，其技术特点是：在视频当前帧中对目标进行多特征提取；利用多特征信息构造不同特征下的学习字典；在新视频帧中进行粒子采样；采用边界粒子重采样以去除不合格的粒子，然后对剩下的粒子求解稀疏优化方程；更新模板并考察本帧结果和最大系数模板的余弦相似度，如果相似度低于某一个值，则用当前模板替换系数最小的模板；若视频未结束，则重采样。本发明融合了多特征、粒子滤波、组稀疏学习技术，其通过跟踪物体的多种特征使得构造的字典中含有更丰富的目标信息，增加了整体算法的跟踪精度，提高了跟踪结果的稳定性，获得了很好的视觉目标跟踪结果。
-
公开(公告)号：CN111291191B
公开(公告)日：2024-05-03
申请号：CN201811495424.4
申请日：2018-12-07
Applicant: 国家新闻出版广电总局广播科学研究院
IPC: G06F16/36 , G06F16/182 , G06F16/9535
Abstract: 本发明公开了一种广电知识图谱构建方法及装置，本发明通过对预设数据源进行分析处理，并存储在数据库中，基于数据库，对用户、节目和套餐进行用户画像、节目标签和套餐标签的画像特征的可视化展示，并从数据库中获取人‑人、人‑节目、人‑套餐之间的关系，分别进行知识图谱的可视化展示，最后根据画像特征和知识图谱构建广电行业的知识图谱应用，本发明提供的广电大数据知识图谱不仅可以直观全面的表示出广电领域典型应用场景下的海量知识信息，而且还可以多角度的展示每个用户的行为习惯和兴趣偏好，从而帮助广电运营商管更好的掌握每个用户的特点，进而进行精准化推荐和市场分析等。
-
Patent Agency Ranking
公开(公告)号：CN109614853B
公开(公告)日：2023-05-05
申请号：CN201811273872.X
申请日：2018-10-30
Applicant: 国家新闻出版广电总局广播科学研究院 , 北京邮电大学
IPC: G06N3/045 , G06N3/0464 , G06N3/082 , G06V10/82 , G06V40/10
Abstract: 本发明涉及一种基于身体结构划分的双线性行人再识别网络构建方法，包括以下步骤：对原始行人图像进行身体结构分块得到多个结构子框，将多个子框组合成新的行人图像，构造结构框预测子网络；设置加权的局部损失函数来训练该结构框预测子网络；构造两个子网络，分别以原始行人图像和重组后行人图像作为输入，对应地提取全局行人特征和局部行人特征；设置双线性融合层，并将其作为全局特征和局部特征的融合层，得到最终的行人特征表示；对整体网络进行训练，得到基于身体结构划分的双线性行人再识别模型。本发明结合整体特征和局部特征，充分利用了身体结构信息，通过双线性融合方法获得更具判别力的行人特征，使得系统整体匹配准确率大大提升。
-
公开(公告)号：CN108960142B
公开(公告)日：2021-04-27
申请号：CN201810721744.0
申请日：2018-07-04
Applicant: 国家新闻出版广电总局广播科学研究院 , 北京邮电大学
Abstract: 本发明涉及一种基于全局特征损失函数的行人再识别方法，将全部输入图像分成所有可能图像对，包括表示同一人的同类对和表示不同人的异类对；计算所有可能图像对之间的特征距离，从两类图像对之间的特征距离中分别统计形成全局的距离均值和方差；构建全局特征损失函数并使用该全局特征损失函数在学习过程中减小两个方差以及增大两个均值之间的差；将全局特征损失函数与分类损失函数和验证损失函数联合使用，共同增强特征的学习。本发明设计合理，充分利用了输入全体图像中相比于单张图像更为丰富的信息，使得特征的描述能力性能远远高于单纯的单张图片特征，使得系统整体匹配率大大提高。
-
公开(公告)号：CN107864405B
公开(公告)日：2020-12-01
申请号：CN201711122730.9
申请日：2017-11-14
Applicant: 国家新闻出版广电总局广播科学研究院
IPC: H04N21/466 , H04N21/442 , H04N21/258 , H04N21/25
Abstract: 本发明公开了一种收视行为类型的预测方法、装置及计算机可读介质，涉及计算机技术领域。该方法包括：获取用户的收视行为数据，生成对应的收视行为时间序列；通过所述收视行为时间序列训练深度学习模型；获取用户当前的收视行为数据；根据所述深度学习模型与用户当前的所述收视行为数据预测下一刻的收视行为类型。通过获取用户的收视行为数据生成的行为时间序列训练深度学习模型，根据用户当前的收视行为数据与深度学习模型预测下一刻的收视行为类型，通过预测的收视行为类型为用户提供更贴心的收视内容和更流畅的收视体验，以提升用户的忠诚度，降低广电用户的流失率。
-
公开(公告)号：CN107563381B
公开(公告)日：2020-10-23
申请号：CN201710816619.3
申请日：2017-09-12
Applicant: 国家新闻出版广电总局广播科学研究院 , 北京邮电大学
Abstract: 本发明设计了一种基于全卷积网络的多特征融合的目标检测方法，其主要技术特点是：搭建具有六个卷积层组的全卷积神经网络；利用卷积神经网络的前五组卷积层提取图像特征，并将其输出进行融合，形成融合特征图；对融合后的特征图进行卷积处理，直接产生固定数目的不同大小的目标边框；计算卷积神经网络生成的目标边框与真实边框之间的分类误差与定位误差，利用随机梯度下降法降低训练误差，得到最终训练模型的参数，最后进行测试得到目标检测结果。本发明利用了深度卷积网络对目标的强大的表示能力，构建了用于目标检测的全卷积神经网络，提出了新的融合特征方法，提高了算法的检测速度和精度，获得了良好的目标检测结果。
-
公开(公告)号：CN105491370B
公开(公告)日：2020-09-22
申请号：CN201510799543.9
申请日：2015-11-19
Applicant: 国家新闻出版广电总局广播科学研究院
Abstract: 本发明涉及一种基于图的协同低高级特征的视频显著性检测方法，属于视频检测技术领域，其技术特点是：使用改进的随机行走算法模拟人眼运动进行视频显著性检测。该方法从视频流中提取低级特征与高级特征，以超像素为基本单元，利用低级特征获得空域转移概率矩阵和时域重启矩阵，以边界优先作为一种高级特征获得基于边界先验的的重启矩阵。将两种重启矩阵与空域转移概率矩阵相结合到重启性随机行走算法的框架中获得时空域显著性图。本文将算法在两个公开数据库上进行了测试，实验结果表明该方法优于其它显著性检测算法。本发明设计合理，利用低级特征和高级特征构建重启性随机行走的框架，获得了与人眼注意机制高度相符的显著性检测结果。
-
-
-
-
-
-
-
-
-
Search Results
143
records
(took 0.037 seconds)
