-
公开(公告)号：CN101477633A
公开(公告)日：2009-07-08
申请号：CN200910076781.1
申请日：2009-01-21
Applicant: 北京大学
CPC classification number: G06K9/00711 , G06K9/4671
Abstract: 本发明涉及一种图像和视频处理方法，特别是一种通过机器学习技术来自动估计视频内容的视觉显著程度的方法。本方法首先自动将训练样本分为若干类别，对每一类别学习得到最佳的“样本特征－显著度分布图”映射函数，并对每类训练样本的底层特征进行建模。对待估计样本，根据其底层特征判断其属于哪一类样本，再选取相应的“样本特征－显著度分布图”映射函数来计算其显著度分布图。根据本发明可以快捷有效的估计视频和图像等多种多媒体信息的视觉显著度分布图。
-
公开(公告)号：CN115099262B
公开(公告)日：2025-01-21
申请号：CN202210550446.6
申请日：2022-05-20
Applicant: 北京大学
Abstract: 本申请公开了一种时空脉冲信号的上采样方法、装置、设备及存储介质，所述方法包括：采集目标物体的时空脉冲信号；估计所述脉冲信号的运动轨迹，并根据所述运动轨迹上的脉冲数量确定主脉冲信号以及噪声信号；分别对所述主脉冲信号以及噪声信号进行上采样，得到上采样后的主脉冲信号以及噪声信号；将所述上采样后的主脉冲信号以及噪声信号进行合并，生成最终的上采样信号。根据本申请实施例提供的时空脉冲信号的上采样方法，可以将稀疏的脉冲信号上采样成稠密的脉冲信号，使得上采样后的脉冲信号可靠且有依据，有效解决时空脉冲信号稀疏性带来的问题，为基于脉冲信号的视觉任务提供更多有效数据，提升基于脉冲的下游任务性能。
-
公开(公告)号：CN110309359B
公开(公告)日：2021-06-15
申请号：CN201910420026.4
申请日：2019-05-20
Applicant: 北京大学
IPC: G06F16/735 , G06N3/04 , G06N3/08 , H04N21/466
Abstract: 本申请公开了一种视频相关性预测方法、装置、设备及存储介质，构建并训练半孪生神经网络模型学习相关或不相关视频间的关系，将目标源视频及至少一个待预测视频输入所述半孪生神经网络模型中，经所述半孪生神经网络模型分析后输出所述待预测视频与所述目标源视频之间的相关性结果，从而实现对缺少用户行为信息的视频能够预测与其相关的视频列表，给出了各相关视频的相关性大小并且各相关视频之间的相关性对称，有效提高了视频推荐的准确性。
-
公开(公告)号：CN112949424A
公开(公告)日：2021-06-11
申请号：CN202110168780.0
申请日：2021-02-07
Applicant: 北京大学
Abstract: 本发明公开了一种神经形态视觉采样方法及装置，方法包括：采集当前场景中不同位置点的光信号并转化为亮度信号；将转化得到的亮度信号输入已训练的脉冲采样模型，以由所述脉冲采样模型对输入的亮度信号进行采样编码得到脉冲阵列信号；将所述脉冲阵列信号输入已训练的视觉任务模型，以由所述视觉任务模型对所述脉冲阵列信号进行视觉分析，得到分析结果。本发明不使用动态视觉传感器或积分视觉传感器获取脉冲阵列信号，而是通过神经网络进行神经形态的视觉采样，并将视觉分析计算任务与采样一体化，从而可以灵活定制多种视觉采样模型，以适应多场景，多任务的应用需求，提升自使用感知性能。
-
公开(公告)号：CN112487886A
公开(公告)日：2021-03-12
申请号：CN202011278529.1
申请日：2020-11-16
IPC: G06K9/00
Abstract: 本发明公开了一种有遮挡的人脸识别方法、装置、存储介质及终端，该方法包括：采集并预处理有遮挡的待识别人脸图像；提取预处理后的待识别人脸图像所对应的人脸全局特征；检测并提取预处理后的待识别人脸图像中未遮挡的人脸局部特征；将人脸全局特征和人脸局部特征拼接后，生成拼接后的人脸特征；从预设被遮挡人脸数据库中匹配拼接后的人脸特征对应的第二人脸特征；计算拼接后的人脸特征与第二人脸特征之间的相似度，并根据相似度判定待识别人脸图像和第二人脸特征的人脸图像是否为同一身份。因此，采用本申请实施例，可以提高复杂环境中被遮挡人脸识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN109919183B
公开(公告)日：2020-12-18
申请号：CN201910069271.5
申请日：2019-01-24
Applicant: 北京大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于小样本的图像识别方法、装置、设备及存储介质，属于图像识别技术领域。所述方法包括：根据第一大样本图像集构建小样本的第一任务序列，每个第一任务包括带类别标签的第一支持集和不带类别标签的第一检索集；采用神经网络提取第一支持集中各图像样本的第一样本特征；根据第一样本特征和样本的类别标签，自适应地学习相应第一任务的度量矩阵；采用度量矩阵对相应第一检索集中的图像样本进行识别。该方法中，提高了小样本场景下的图像识别性能和准确率。
-
公开(公告)号：CN109831672B
公开(公告)日：2020-10-27
申请号：CN201910020716.0
申请日：2019-01-09
Applicant: 北京大学
IPC: H04N19/51 , H04N19/513 , H04N19/169 , H04N19/56 , H04N19/557 , H04N19/527 , H04N19/567 , H04N19/96
Abstract: 本发明提供了一种时空脉冲阵列的运动估计方法，该方法包括以下步骤：将所述时空脉冲阵列划分成编码立方体；依据当前编码立方体的特征信息，确定时域和空域的搜索范围及搜索起始点；将所述时空脉冲阵列内的所有脉冲信号在空间平面投影，再进行距离度量和匹配分析；通过当前编码立方体与参考立方体的匹配阈值判断是否提前终止搜索，若小于阈值则提前终止所述搜索，否则继续搜索直至超出搜索范围；筛选最佳参考立方体；输出时空脉冲阵列的运动估计编码信息。本发明可有效地获取高精度的运动矢量，同时加速了运动估计搜索过程，以解决时空脉冲阵列编码信号中运动估计的编码性能局限及时间耗时长的问题。
-
公开(公告)号：CN111709967A
公开(公告)日：2020-09-25
申请号：CN202010373510.9
申请日：2020-05-06
Applicant: 北京大学
Abstract: 本发明公开了一种目标检测方法、目标跟踪方法、装置及可读存储介质。目标检测方法包括：生成被监测区域的第一脉冲阵列，将第一脉冲阵列送入输入层，输出层的每个神经元接受输入层的多个神经元的输入，当收到的脉冲累积达到预设条件时产生输出脉冲，以生成第二脉冲阵列，利用第二脉冲阵列进行目标检测；目标跟踪方法包括确定在不同时刻的同一运动目标的步骤；目标检测装置包括脉冲阵列生成模块、脉冲阵列输入模块、脉冲阵列输出模块及目标信息检测模块；目标跟踪装置包括目标检测装置和目标跟踪模块；可读存储介质在被处理器执行时用于实现上述的方法或装置。本发明能够实现对高速目标的检测与跟踪，实时性好且成本低。
-
公开(公告)号：CN109039980B
公开(公告)日：2020-09-25
申请号：CN201810761800.3
申请日：2018-07-12
Applicant: 北京大学
IPC: H04L27/26
Abstract: 本发明提供了一种时空脉冲阵列信号量化的方法，通过信号采样器从局部空间位置采集时域信号，生成时域上的脉冲序列；多个信号采样器阵列按空间位置相互关系排列成脉冲阵列信号；将脉冲阵列信号按一组规定的间隔在时域和空域进行离散化，用最接近的数值来表示该信号的采样值，作为对所述时空脉冲阵列信号的量化。该方法包括：均匀量化，将脉冲阵列信号按照等间隔进行量化；非均匀量化，依据先验信息和量化参数确定不同区间量化间隔，将脉冲阵列信号进行非均匀量化。本发明为同时兼顾时域信息和空域信息的有效的脉冲阵列信号量化方法，满足时域和空域尺度分析的综合需求。
-
公开(公告)号：CN110426560B
公开(公告)日：2020-08-25
申请号：CN201910577877.X
申请日：2019-06-28
Applicant: 北京大学
IPC: G06T1/40
Abstract: 本发明公开了一种脉冲阵列信号时空上采样器生成方法，包括：根据脉冲阵列信号空域和/或时域上采样需求参数，构建能使脉冲阵列信号由一端传输到另一端的神经网络；获取训练用输入信号和训练用输出信号；利用训练用输入信号和训练用输出信号将所述神经网络训练为上采样器；训练用输入信号为原始脉冲阵列信号，训练用输出信号为对原始脉冲阵列信号进行空域上采样和/或时域上采样得到的上采样信号。本发明增加了脉冲阵列的时域采样频率，从而提高了空间分辨率，适用于高速应用需求；增加了脉冲阵列空域采样频率，适用于视觉任务空间分辨率需求。
-
-
-
-
-
-
-
-
-
Search Results
229
records
(took 0.058 seconds)
