-
公开(公告)号：CN110288677B
公开(公告)日：2021-06-15
申请号：CN201910425357.7
申请日：2019-05-21
Applicant: 北京大学
Abstract: 本发明涉及图像生成领域，特别涉及一种基于可形变结构的行人图像生成方法和装置。具体包括以下步骤：步骤一、对行人图片和目标姿态图片按照部位结构进行分割操作，进行提取mask操作；步骤二、然后进行部位生成操作，得到部位生成图片；步骤三、对部位生成图片进行结构化合并操作，得到结构化合并图片；步骤四、进行整体生成操作，得到生成图片。本发明在考虑人体可形变结构的基础上，降低训练的代价，提升算法的性能。
-
公开(公告)号：CN112884120A
公开(公告)日：2021-06-01
申请号：CN202110130485.6
申请日：2021-01-29
Applicant: 北京大学
Abstract: 本申请提供了一种图神经网络表示架构，包括图结构数据表示模块用于各种图神经网络框架数据的相互转换的表示格式；基础表示模块用于各种图神经网络开源算法框架的图神经网络模型进行互相转换的基础表示格式；紧凑表示模块用于通过神经网络压缩算法以及加速算法将基础表示模块的图神经网络模型转化成序列化格式的紧凑表示格式；编码表示模块用于通过编码算法将紧凑表示模块的图神经网络模型转换为编码表示格式。从图神经网络到最终模型的不同表示层次的定义，能够统一图神经网络各个层次的表示，降低图神经网路模型与图神经网络开源框架的耦合关系，打破了各种图神经网路开源算法框架之间的壁垒，实现了不同图神经网络开源算法框架的互操作。
-
公开(公告)号：CN109101884B
公开(公告)日：2021-05-04
申请号：CN201810750230.8
申请日：2018-07-10
Applicant: 北京大学
IPC: G06K9/00
Abstract: 本发明公开了一种脉冲阵列的预测方法，包括如下步骤：对检测区域内的各个空间位置的信号进行采集，同时对每个空间位置的信号进行累积，得到信号累积强度值；当信号累积强度值超过发放阈值时，输出一个脉冲信号；将每个空间位置对应的脉冲信号按照时间先后排列成二值序列，所有空间位置对应的二值序列构成脉冲阵列；针对所述脉冲阵列，分析不同位置、不同时间段的脉冲序列之间的相似性，利用其他位置、时刻或时间段的脉冲序列来预测当前位置、时刻或时间段的脉冲序列。该方法可用于脉冲数据编码与运动分析，是仿生视网膜传感器应用在计算机视觉分析的重要技术支撑，具有良好的应用前景。
-
公开(公告)号：CN108881906B
公开(公告)日：2021-03-19
申请号：CN201710338072.0
申请日：2017-05-15
Applicant: 北京大学
IPC: H04N19/117 , H04N19/13 , H04N19/18
Abstract: 本申请提出了一种图像重构方法，包括：获取与在空间位置上信号相关的脉冲序列中脉冲之间的间隔信息，所述空间位置信号的累积强度超过预定阈值产生脉冲并按照顺序排列成所述脉冲序列；基于所述预定阈值和所述间隔信息确定所述空间位置至少部分时刻在图像重构时的像素值。该重构方法能够精细地重构出高速运动对象的运动过程，同时，重构过程中通过分析脉冲之间时间间隔的变化并建立这种变化与对应的空间位置的重构像素值之间的映射关系，以极小的处理量重现带有纹理的运动对象。另一方面，由于采样数据中通过累积的方式包含了所有时刻的光强信息，因此本申请的重构方法能够重构任意时刻的图像，突破了传统视频只能保留帧采样时刻的图像的局限。
-
公开(公告)号：CN108882020B
公开(公告)日：2021-01-01
申请号：CN201710338736.3
申请日：2017-05-15
Applicant: 北京大学
IPC: H04N21/44 , H04N21/4402 , H04N21/4728 , H04L29/06 , H04L29/08
Abstract: 本申请实施例公开了一种视频信息处理方法、装置及系统。所述方法包括：提取各视频帧的特征；判定所述特征的类型，所述类型反映所述特征与参考特征之间的时域相关程度；采用预定的匹配于所述类型的编码方式，为所述特征编码，得到编码后特征；将所述编码后特征发送给服务器，以便于所述服务器对所述编码后特征解码后用于视觉分析任务。利用本申请实施例，可以不向云端服务器发送视频本身，而是将视频的特征进行编码后发送给云端服务器用于视觉分析任务，相比于现有技术可以减小数据传输压力，也可以减小云端服务器的存储压力。
-
Patent Agency Ranking
公开(公告)号：CN109884588B
公开(公告)日：2020-11-17
申请号：CN201910040980.0
申请日：2019-01-16
Applicant: 北京大学
Abstract: 一种脉冲序列的距离度量方法及系统。其中，所述方法包括：计算脉冲序列中每相邻两个脉冲信号之间的时间差值；根据所述时间差值获得所述脉冲序列对应的光强信息；根据所述脉冲序列之间光强信息的差异度量所述脉冲序列之间的距离。所述系统包括：脉冲传感器阵列以及处理器；其中，所述处理器具体包括：光照强度计算模块和脉冲序列计算模块。本发明通过对基于脉冲序列传感器而获得的脉冲序列信号产生方式的分析，将两个脉冲序列转换为对应的光照强度的变化，从而对两个脉冲序列的距离进行准确估量，进而用于为检测、跟踪、压缩等算法的设计，以及后续脉冲阵列信号的分析、编码工作提供了基础。
-
公开(公告)号：CN109068024B
公开(公告)日：2020-07-21
申请号：CN201810694419.X
申请日：2018-06-29
Applicant: 北京大学
Abstract: 本发明公开了一种对时空信号进行滤波的方法，针对所述时空信号，记录每个空间位置的信号并进行累积，得到信号累积强度值；分析当前空间位置的信号在空间域、时间域或频率域上是否孤立，过滤该空间位置的孤立信号。本发明的应用对象不再是传统视频而是脉冲阵列视频；通过使用几种过滤方法过滤掉无用的信息，减少了计算资源的浪费；而且删去不相关信息，提取有用信息，是信号采集中非常重要的一步，可以应用于适于动态视觉传感器的全部应用场景。
-
公开(公告)号：CN109819251B
公开(公告)日：2020-07-10
申请号：CN201910021870.X
申请日：2019-01-10
Applicant: 北京大学
IPC: H04N19/124 , H04N19/147 , H04N19/15 , H04N19/91 , H04N19/85
Abstract: 本发明提供了一种脉冲阵列信号的编解码方法，其中编码方法包括：将脉冲阵列信号划分成独立的脉冲编码立方体；对当前脉冲编码立方体进行前处理；选取匹配模式对脉冲编码立方体进行匹配操作；将匹配后的数据进行映射；将映射后的结果进行逆映射并用于其他脉冲编码立方体的匹配；再将映射后的数据进行熵编码得到码流。本发明提供了一套针对脉冲阵列信号的完整编解码体系，可实现脉冲数据的无损及有损压缩，为后续编解码的算法优化及压缩效率提升奠定了基础，是进行脉冲阵列信号传输、存储和分析等应用任务的前提。
-
公开(公告)号：CN105760488B
公开(公告)日：2020-06-16
申请号：CN201610089958.1
申请日：2016-02-17
Applicant: 北京大学
IPC: G06F16/583 , G06K9/46 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提供了一种基于多层次特征融合的图像表达方法和装置。所述基于多层次特征融合的图像表达方法，包括：获取输入图像的至少两个特征；所述至少两个特征为场景级别特征、对象级别特征、点级别特征的至少两个的组合；将所述至少两个特征融合到所述输入图像的特征空间，作为所述输入图像的表达；根据所述输入图像的表达，对所述输入图像进行处理。本发明能够提高对图像的表达力。
-
公开(公告)号：CN111275742A
公开(公告)日：2020-06-12
申请号：CN202010062434.X
申请日：2020-01-19
Applicant: 北京大学
Abstract: 本发明公开了目标识别方法、装置、系统及计算机可读存储介质，该方法包括如下步骤：获取原始脉冲数据，确定脉冲采样窗口、将脉冲采样窗口内的脉冲输入至脉冲神经网络，对输入至脉冲神经网络的脉冲进行映射，满足条件下令脉冲沿末层激发神经元以外的各层激发神经元依次传递、令脉冲沿末层激发神经元传递至推理层、令脉冲沿末层推理神经元以外的各层推理神经元依次传递，确定识别结果；该装置包括脉冲获取模块、采样窗口模块、脉冲映射模块、神经元激发模块、神经元推理模块及识别结果确定模块；该系统包括上述装置；本发明能够实现对待识别的目标的准确识别和快速识别，而且能够较好地适用于运动速度较高的目标，并能兼顾识别准确率与计算量。
-
-
-
-
-
-
-
-
-
Search Results
229
records
(took 0.055 seconds)
