-
公开(公告)号：CN101127911A
公开(公告)日：2008-02-20
申请号：CN200710175443.4
申请日：2007-09-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种柱面全景视频编码的块尺寸计算方法和传输方法，包括柱面全景视频不进行分块直接预编码，得到的全景视频编码的一个码率；该视频按照任选的一个块尺寸进行分块预编码，得到在该块尺寸下的编码码率；计算以上两个码率的增量；根据此增量计算该视频的影响因子；最后根据此因子计算该视频的最优编码块尺寸。本发明根据上述方法计算的块尺寸又提供了一种全景视频进行分块编码传输的方法。本发明通过两次预编码，可以计算出最优的编码块尺寸，使用此最优块尺寸进行柱面全景视频编码，能够在用户视觉质量相同的情况下传输数据量最低。
-
公开(公告)号：CN101072355A
公开(公告)日：2007-11-14
申请号：CN200610078900.3
申请日：2006-05-12
Applicant: 中国科学院计算技术研究所
IPC: H04N7/32
Abstract: 本发明公开了一种对图像帧进行编码时的加权预测运动补偿方法。该方法包括：1)判断是否本帧中所有宏块都不需要使用加权预测运动补偿；2)如果当前帧相对于前一帧有亮度变化，则分别以两帧中对应位置的宏块为基本单位，以使亮度变化最小为条件计算当前帧各个宏块的加权预测参数α和β，其中α表示对比度的变化，β亮度变化；3)判断是否对当前帧中的所有宏块都使用加权预测运动补偿并且在码流语法中进行标注；4)如果本帧中有部分宏块使用加权预测运动补偿并在帧层标注，5)对每个宏块标识该宏块是否需要亮度补偿；6)宏块级的亮度补偿。
-
公开(公告)号：CN1992911A
公开(公告)日：2007-07-04
申请号：CN200510135495.X
申请日：2005-12-31
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了一种体育视频目标跟踪方法，包括：提取视频中的颜色直方图，利用核函数对颜色直方图作归一化处理，得到目标的颜色分布特征；采用粒子滤波算法预测目标的运动位置；根据目标的运动位置的预测值，采用均值聚类算法求目标运动位置的精确值。本发明的体育视频目标跟踪方法引入多种运动模型，根据目标运动的特点动态地更新运动模型，从而利用很少的样本数目达到了较好的效果，降低了计算复杂度，并提高了跟踪的准确度。
-
公开(公告)号：CN1233147C
公开(公告)日：2005-12-21
申请号：CN02156973.8
申请日：2002-12-24
Applicant: 中国科学院计算技术研究所
IPC: H04N5/222
Abstract: 一种在体育比赛视频中检测精彩片断的方法，包括步骤：确定视频中相邻帧的摄像机运动；用所述摄像机运动来校正镜头边界的检测；根据图像中的重放标志的有无来确定所述镜头是否为重放镜头，如果是重放，则判定为精彩片断；根据所述摄像机运动来计算重放镜头与之前视频中正常镜头的相似度，其中相似度最大的镜头判定为精彩片断。本发明能对精彩片断进行有效的自动提取，且不依赖于特定比赛的领域知识。针对体育视频中存在的大量运动，本发明使用摄像机运动分析的结果来校验所检测的镜头边界，从而提高了镜头分割的准确性。
-
公开(公告)号：CN106372111B
公开(公告)日：2021-10-15
申请号：CN201610701965.2
申请日：2016-08-22
Applicant: 中国科学院计算技术研究所
IPC: G06F16/583 , G06F16/532 , G06K9/46
Abstract: 本发明提供一种用于筛选局部特征点的方法，其包括基于原图像生成与其相似的多个相似图像；提取原图像和各个相似图像的局部特征点及其特征描述子；将原图像的局部特征点与各个相似图像中的局部特征点进行匹配，并将原图像中匹配成功的局部特征点的得分增加；选择原图像中得分高的前若干局部特征点作为最终保留的局部特征点。该方法通过分析所生成的相似图像与原图像之间的匹配结果，对不同的特征点进行了打分，量化了各个特征点在图像匹配中的贡献，以筛选出一系列高贡献的特征点，去除对图像检索匹配贡献较低的特征点，具有较好的鲁棒性，适合于大规模图像实时检索。
-
Patent Agency Ranking
公开(公告)号：CN107918782B
公开(公告)日：2020-01-21
申请号：CN201711265210.3
申请日：2017-12-05
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种训练用于生成描述图像内容的自然语言的模型的方法，以及采用所述模型生成描述图像内容的自然语言的方法。其中，所述训练方法，包括：A1)将图像训练集中图像的全局特征以及局部特征作为注意力机制的输入，以获得同时包含全局特征以及局部特征的融合的结果；A2)将所述融合的结果和单词训练集作为长短记忆网络的输入，利用损失函数对所述注意力机制以及所述长短记忆网络进行训练，获得所述注意力机制的权值以及所述长短记忆网络的权值；其中，所述损失函数是已知图像的内容、以及描述所述图像内容的自然语句中前一个或多个单词时第i个单词的条件概率的函数，i＝1,…imax。
-
公开(公告)号：CN107730451A
公开(公告)日：2018-02-23
申请号：CN201710911893.9
申请日：2017-09-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于深度残差网络的压缩感知重建方法和系统，包括：获取原始图像信号作为训练数据，并通过尺度变换和分割处理将训练数据分割为多个图像块；根据每个图像块的亮度分量和压缩感知理论模型，获得亮度分量对应的测量值；通过全连接网络对测量值进行线性映射处理，得到初步重建结果；将初步重建结果输入深度残差网络，训练得到估计残差值；将估计残差值与初步重建结果进行融合，生成重建信号。由此，本发明通过引入深度残差网络参与信号的重建，不仅实现对测量值到图像的还原重建还用到深度残差网络仅学习与目标之间的差异这一特点，提升了还原信号的质量。
-
公开(公告)号：CN104572807B
公开(公告)日：2018-02-06
申请号：CN201410594515.9
申请日：2014-10-29
Applicant: 中国科学院计算技术研究所 , 新华通讯社
IPC: G06F17/30
Abstract: 本发明涉及微博新闻可信度领域，特别涉及一种基于微博信息源的新闻认证方法及系统，该方法包括：提取新闻的信息源，作为待认证信息源，获取与所述待认证信息源相对应用户的用户信息；获取所述用户的互粉比例、认证粉丝比例、粉丝数与关注数比例，并根据以上三个比例，获取所述用户的社交关系可信度值；获取所述用户的用户活跃度与历史微博平均影响力，将所述用户活跃度与所述历史微博平均影响力的乘积作为所述用户的社交行为可信度值；获取微博的评价舆情指数，同时查找所述微博的评论微博，并获取所述评论微博的评论舆情指数，将所述评价舆情指数与所述评论舆情指数作为社交评价可信度值；将以上三个可信度值进行线性加权求和作为综合可信度值。
-
公开(公告)号：CN106372078A
公开(公告)日：2017-02-01
申请号：CN201510433965.4
申请日：2015-07-22
Applicant: 中国科学院计算技术研究所
IPC: G06F17/30
CPC classification number: G06F16/955
Abstract: 本发明公开了一种基于微博平台的事件外部信息源获取方法及系统，该方法包括步骤1，基于针对一事件的多个微博消息，提取每个该微博消息中携带的URL，选取其中出现频率最高的N个URL作为待处理URL，N为正整数；步骤2，分别访问每个该待处理URL，从返回消息中获取每个待处理URL对应的完整链接；步骤3，过滤掉该完整链接中的无效链接；步骤4，根据一预设URL词典，为每个该完整链接设置权值，依据该权值确定该事件的至少一个外部信息源。利用本发明的方法可快速准确的定位到真正的外部信息源，避免购物网站等无效信息源的干扰，同时可保证所有定位到的外部信息源都是可访问达到有效链接。
-
公开(公告)号：CN105118031A
公开(公告)日：2015-12-02
申请号：CN201510490628.9
申请日：2015-08-11
Applicant: 中国科学院计算技术研究所
IPC: G06T5/00
Abstract: 本发明提供一种恢复深度信息的图像处理的方法，包括：利用通光直径小的小光圈快速地采集场景的图像，并计算所述图像的梯度，以确定所述图像的场景内容的主方向；用沿所述主方向排列的编码光圈采集场景的图像；所述编码光圈的矩阵可为在一个方向上的傅里叶频谱有较高的幅值，在与所述方向正交的方向上的傅里叶频谱有较多的零点；计算并搜索所述图像与不同预测深度下的校准内核的反卷积，以获取深度图；利于所述深度图，计算得到场景的全清晰图像。
-
-
-
-
-
-
-
-
-
Search Results
173
records
(took 0.089 seconds)
