-
公开(公告)号：CN110324635B
公开(公告)日：2021-06-15
申请号：CN201810294119.2
申请日：2018-03-30
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
IPC: H04N19/523 , H04N19/59
Abstract: 本发明提供了一种分像素插值方法、系统、计算机设备和介质。其中，一种分像素插值方法，包括：对训练集中的每一张原始图像进行处理，得到整像素块和分像素块；将整像素块前向传播到卷积神经网络，得到分像素块的预测值；计算分像素块的预测值与分像素块的均方差；将均方差反向传播到卷积神经网络，以更新卷积神经网络各层的权值，循环迭代直至卷积神经网络收敛，得到分像素插值网络。通过本发明的技术方案，实现了通过单一网络即可插值出属于不同分像素位的参考块，并使得视频压缩的性能得到提升。
-
公开(公告)号：CN112734676A
公开(公告)日：2021-04-30
申请号：CN202110076676.9
申请日：2021-01-20
Applicant: 北京大学
Abstract: 本发明公开了一种空间尺度泛化的去雨方法，其步骤包括：1)获取或构建合成训练数据集；2)每一样本分别进行放大和缩小，得到不同大小的图像并输入到残差网络中，提取相应图像的深度网络特征；3)计算相同内容、不同大小的雨天图像经过残差网络后输出的特征统一大小后按位相减得到特征差异，构建空间尺度泛化约束；4)将特征映射为去雨图像，构建图像级别的重构约束；5)将无雨图像及其缩放后的图像特征映射为输出图像并计算其与对应输入图像的差异，构建细节补偿约束；6)基于空间尺度泛化约束、重构约束和细节补偿约束，训练残差网络；7)将待处理的雨天图像输入到残差网络，提取特征并将其映射为输出图像。
-
公开(公告)号：CN112651898A
公开(公告)日：2021-04-13
申请号：CN202110034912.0
申请日：2021-01-12
Applicant: 北京大学
Abstract: 本发明公开了一种基于记忆增强的视频去雨方法与装置，其步骤包括：1)将卷积长短期记忆网络的内部状态作为全局长期记忆；对于待去雨处理的目标视频，将该目标视频的前n帧分别输入记忆增强去雨网络，获得各帧对应的去雨结果；2)对于该目标视频的第n帧之后的每一帧，执行步骤a)～c)，获得该目标视频对应的去雨视频：a)将当前待去雨帧的前多帧的去雨结果、全局长期记忆、当前待去雨帧输入记忆增强去雨网络进行去雨，得到当前帧的去雨结果；b)计算当前待去雨帧与其去雨结果之间的差值，作为当前待去雨帧的雨痕图；c)将雨痕图输入卷积长短期记忆网络，更新该卷积长短期记忆网络的内部状态作为新的全局长期记忆。
-
公开(公告)号：CN112598596A
公开(公告)日：2021-04-02
申请号：CN202011559932.1
申请日：2020-12-25
Applicant: 北京大学
Abstract: 本发明公开了一种基于动态网络路由的图像去雨方法及电子装置，包括根据样本雨图的相应雨量大小，划分为n个分辨率尺度；依据样本雨图与相应样本无雨图对一神经网络进行训练，使各样本雨图拟合相应的分辨率尺度，得到去雨模型；将待处理图片输入去雨模型，得到去雨图片。本发明可以为不同的输入雨图构建不同的前向传播路径，这对于提升去雨模型对不同雨分布的输入图像的鲁棒性有明显优势。
-
公开(公告)号：CN107133921B
公开(公告)日：2020-03-06
申请号：CN201610108841.3
申请日：2016-02-26
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
IPC: G06T5/00
Abstract: 本发明提供了一种基于多层次邻域嵌入的图像超分辨率重建方法和一种基于多层次邻域嵌入的图像超分辨率重建系统，其中，所述方法包括：对待处理图像进行可控金字塔分解操作，得到高通图像、低通剩余图像和多个方向上的带通子带图像；根据邻域嵌入算法对所述多个方向上的带通子带图像、所述高通图像和所述低通剩余图像分别进行重建处理，得到对应的高分辨率子带图像；对多个所述高分辨率子带图像进行所述可控金字塔分解操作的逆变换处理，以生成高分辨率图像。通过本发明的技术方案，可以有效地解决因直接重建图像的所有高频成分导致图像的纹理细节被平滑的问题，从而提高图像超分辨率重建的精确度。
-
Patent Agency Ranking
公开(公告)号：CN110796607A
公开(公告)日：2020-02-14
申请号：CN201810876683.5
申请日：2018-08-03
Applicant: 北京大学
Abstract: 本发明公开了一种基于视网膜大脑皮层理论的深度学习低光照图像增强方法，其步骤包括：通过一个分解网络将待提亮低光照图片分解成本质和光照，在本质上进行噪声去除，将光照和本质输入一个提亮网络得到提亮后的光照，将提亮后的光照和去除噪声后的本质相乘得到最后的正常光照图片。本发明能够端对端地学习提亮低光照图像，通过机器学习方法能够取得更为精确的光照本质分解和更自然适用范围更广的提亮结果。
-
公开(公告)号：CN110795973A
公开(公告)日：2020-02-14
申请号：CN201810877125.0
申请日：2018-08-03
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
Abstract: 本发明提供一种多模态融合的动作识别方法、装置及计算机可读存储介质，方法包括：通过预设的单模态待训练数据对至少一个单模态待训练模型进行训练，获得至少一个单模态神经网络模型；在任意两个所述单模态神经网络模型之间添加信息流动连接，获得多模态待训练模型；通过预设的多模态待训练数据对所述多模态待训练模型进行训练，获得多模态神经网络模型；将待识别多模态数据添加至所述多模态神经网络模型中进行识别。从而能够实现对多模态待识别设备的处理，提高神经网络模型的性能。
-
公开(公告)号：CN110677644A
公开(公告)日：2020-01-10
申请号：CN201810713756.9
申请日：2018-07-03
Applicant: 北京大学
IPC: H04N19/103 , H04N19/176 , H04N19/573 , H04N19/70
Abstract: 本发明公开一种视频编码、解码方法及视频编码帧内预测器。本发明的预测器包括一循环神经网络，所述循环神经网络用于生成待编码块的预测值；其中，所述循环神经网络利用待编码块的参考块的像素值均值对该待编码块进行填充，产生一图像；然后将该图像映射到特征空间，并提取该图像的局部特征；然后利用所述局部特征对该待编码块的预测块进行填充，得到该待编码块的预测值。本发明通过块级参考像素的选取和端到端的预测方法提高了编码效率，增强了现有视频编码器的编码性能。
-
公开(公告)号：CN110298792A
公开(公告)日：2019-10-01
申请号：CN201810243551.9
申请日：2018-03-23
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
IPC: G06T5/00
Abstract: 本发明提出了一种低光照图像增强与去噪方法、低光照图像增强与去噪系统、计算机设备及计算机可读存储介质，低光照图像增强与去噪方法包括：提取原始低光照图像YUV格式中的黑白灰度图像作为初始亮度图；根据初始亮度图建立求解亮度分量的目标函数，并求解亮度分量；根据原始低光照图像和亮度分量建立求解反射分量的目标函数，并求解反射分量；根据亮度分量和反射分量得到处理后的图像。本发明提供的技术方案，对于低光照图像，基于Retinex模型和采用贯序分解的方法能够避免交替分解导致的噪声污染问题，并在分解的过程中引入系数矩阵来进一步增强对比和抑制噪声，进而能够对低光照图像同时进行增强和去噪处理。
-
公开(公告)号：CN109862299A
公开(公告)日：2019-06-07
申请号：CN201711236795.6
申请日：2017-11-30
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
IPC: H04N7/01
Abstract: 本申请提供一种分辨率的处理方法及装置，该方法包括：获取待处理的目标低分辨率视频数据，采用训练好的目标时空循环残差卷积网络将目标低分辨率视频数据转换成目标高分辨率视频数据。实现了端对端地学习如何对帧内和帧间相关性同时进行建模，采用联合空间-时间残差学习方式，预测高清视频的时间残差，促进对空间残差和视频帧的预测。通过嵌入时间残差预测，能够对高分辨率视频多帧之间的运动上下文进行隐含建模，同时具有较低的计算复杂度。
-
-
-
-
-
-
-
-
-
Search Results
201
records
(took 0.026 seconds)
