-
公开(公告)号：CN117010458A
公开(公告)日：2023-11-07
申请号：CN202311287656.1
申请日：2023-10-08
Applicant: 华侨大学
IPC: G06N3/0464 , G06N3/048 , G06N3/084 , G06F16/31 , G06F16/33 , G06F16/51 , G06F16/583
Abstract: 本发明公开了一种基于动态排序优化的图文检索深度神经网络模型训练方法，涉及信息检索技术领域，包括：构建深度神经网络用于图像与文本数据的深度特征提取；基于输入的图文实例对的标签与特征信息，计算实例间的标签层级相似度矩阵、特征层级相似度矩阵以及不同实例之间的亲和矩阵；通过构建融合语义相似度损失、排序损失以及哈希量化损失的综合损失函数，采用梯度下降优化算法缩小所述损失值，得到训练好的深度神经网络模型。本发明在模型训练过程中动态地调整梯度优化强度，提高了训练速度和精度，通过训练好的深度神经网络模型实现跨模态检索精度的提升。
-
公开(公告)号：CN116634147A
公开(公告)日：2023-08-22
申请号：CN202310911767.9
申请日：2023-07-25
Applicant: 华侨大学
IPC: H04N19/11 , H04N19/169 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80
Abstract: 本发明公开了一种基于多尺度特征融合的HEVC‑SCC帧内CU快速划分编码方法及装置，涉及视频编码领域，方法包括：首先搭建数据库，构建基于多尺度特征融合的卷积神经网络模型，并训练基于多尺度特征融合的卷积神经网络模型；其次将输入的CTU通过多尺度特征融合卷积神经网络，输出预测标签；最后为不同类型序列赋不同阈值，根据预测标签指导平台进行编码，从而跳过不必要的深度遍历。本发明提出的基于多尺度特征融合的HEVC‑SCC帧内CU快速划分编码方法，能够节省编码时间，明显降低屏幕内容视频的计算复杂度。
-
公开(公告)号：CN116600107A
公开(公告)日：2023-08-15
申请号：CN202310893891.7
申请日：2023-07-20
Applicant: 华侨大学
IPC: H04N19/103 , H04N19/119 , H04N19/124 , G06N3/0464 , G06T9/00
Abstract: 本发明公开了一种基于IPMS‑CNN和空域相邻CU编码模式的HEVC‑SCC快速编码方法及装置，将卷积神经网络预测大尺寸CU模式的方法与基于空间相邻CU所采用模式数量预测小尺寸CU模式的方法相结合，旨在保持编码质量的同时减少编码时间，降低计算复杂度，方法首先搭建数据库，训练IBC/PLT模式选择的卷积神经网络模型；其次将输入的CTU通过模式选择网络，输出CTU的模式预测标签；最后通过统计相邻3个CU所使用的模式数量来预测当前CU选择的模式。本发明能够节省编码时间，降低屏幕内容视频的计算复杂度。
-
公开(公告)号：CN111510721A
公开(公告)日：2020-08-07
申请号：CN202010278978.X
申请日：2020-04-10
Applicant: 华侨大学
IPC: H04N19/39 , H04N19/132 , H04N19/59 , H04N19/124 , H04N19/61
Abstract: 本发明提供了一种基于空间下采样的多描述编码高质量边重建方法，包括，制作数据集：选取视频，通过空间下采样分成两个描述，在量化参数QP值设定下，编码，解码，将解码后的视频和相应的原始视频作为训练集；训练SD-VSRnet网络：每五帧视频作为网络的输入，依次进行特征提取，恢复高频细节，像素重排，再与输入的中间帧进行跳跃连接得到重建的视频帧，逐帧重建获得最后的重建视频，实现SD-VSRnet网络的训练。本发明提出的方法制作了适用于空间下采样的多描述编码高质量边重建的数据集，另外，采用视频超分辨率的神经网络，分别测试4种QP值，可以有效提高不同压缩程度的边缘解码视频重建质量。
-
公开(公告)号：CN119991973A
公开(公告)日：2025-05-13
申请号：CN202510480150.5
申请日：2025-04-17
Applicant: 华侨大学
IPC: G06T17/00
Abstract: 本发明公开了一种基于多尺度高斯球的动态场景重建方法及装置，涉及计算机视觉领域，包括：采用运动恢复结构算法对待重建的视频帧序列进行处理，生成稀疏点云，对稀疏点云进行初始化，生成3D高斯球集合；采用双域变形模型和自适应时间戳对3D高斯球集合进行处理，得到变形的3D高斯球集合；对变形的3D高斯球集合进行多尺度高斯处理，生成多尺度高斯球集合；对多尺度高斯球集合进行基于像素覆盖率的高斯筛选，得到优化后的多尺度高斯球集合；基于优化后的多尺度高斯球集合进行Alpha混合处理，重建得到抗锯齿动态渲染场景图像。本发明解决了目前动态场景重建的计算开销大且存在混叠效应等问题。
-
Patent Agency Ranking
公开(公告)号：CN119232941B
公开(公告)日：2025-02-25
申请号：CN202411716269.X
申请日：2024-11-27
Applicant: 华侨大学
IPC: H04N19/172 , H04N19/70 , H04N19/85 , H04N19/134 , H04N19/42 , G06V20/40 , G06N3/0464 , G06N3/08 , G06T7/254 , G06V10/80
Abstract: 本发明公开了一种基于深度学习的双目视频压缩方法、装置及可读介质，涉及视频处理领域，包括：构建双目视频压缩模型并训练，得到经训练的双目视频压缩模型，分别获取待压缩的双目视频中的左视点的当前时刻的原始帧和前一时刻的原始帧以及右视点的当前时刻的原始帧和前一时刻的原始帧并输入到经训练的双目视频压缩模型，通过迭代的方式重构得到左视点的重建帧序列和右视点的重建帧序列，并得到压缩后的双目视频。本发明解决了现有的双目视频的视点间的冗余利用率低、压缩性能低的问题。
-
公开(公告)号：CN119232941A
公开(公告)日：2024-12-31
申请号：CN202411716269.X
申请日：2024-11-27
Applicant: 华侨大学
IPC: H04N19/172 , H04N19/70 , H04N19/85 , H04N19/134 , H04N19/42 , G06V20/40 , G06N3/0464 , G06N3/08 , G06T7/254 , G06V10/80
Abstract: 本发明公开了一种基于深度学习的双目视频压缩方法、装置及可读介质，涉及视频处理领域，包括：构建双目视频压缩模型并训练，得到经训练的双目视频压缩模型，分别获取待压缩的双目视频中的左视点的当前时刻的原始帧和前一时刻的原始帧以及右视点的当前时刻的原始帧和前一时刻的原始帧并输入到经训练的双目视频压缩模型，通过迭代的方式重构得到左视点的重建帧序列和右视点的重建帧序列，并得到压缩后的双目视频。本发明解决了现有的双目视频的视点间的冗余利用率低、压缩性能低的问题。
-
公开(公告)号：CN118450127A
公开(公告)日：2024-08-06
申请号：CN202410885047.4
申请日：2024-07-03
Applicant: 华侨大学
IPC: H04N19/147 , H04N19/625 , H04N19/136 , H04N19/149
Abstract: 本发明公开了一种融合空频域显著性特征的SCV编码感知码率控制方法及装置，涉及视频编码领域，方法包括：获取屏幕内容视频，通过卷积、相似度计算，对屏幕内容视频在空域上进行显著性建模，获得空域的显著性特征；其次利用DCT变换，对屏幕内容视频在频域上进行显著性建模，获得频域的显著性特征；然后利用显著性因子指导CTU级的目标比特分配；最后通过显著性因子构建显著性启发的感知码率控制模型，调节参数，实现码率控制。本发明通过提取空域和频域的显著性特征并加以融合求得显著性因子，使用显著性因子指导码率控制，能够提高编码率失真性能，提升码率分配精度。
-
公开(公告)号：CN118184815A
公开(公告)日：2024-06-14
申请号：CN202410455740.8
申请日：2024-04-16
Applicant: 华侨大学
IPC: C08B37/00 , A61K31/715 , A61P3/04
Abstract: 本发明公开了一种海带岩藻聚糖及其制备方法和应用，海带岩藻聚糖包括LF3‑1和/或LF4‑1；LF3‑1的主链由→3)‑α‑L‑Fucp‑(1→和→3)‑β‑D‑Galp‑(1→交替连接组成，其中，LF3‑1的主链上的岩藻糖残基的C‑4位硫酸化或连接有第一支链，第一支链由→4)‑α‑L‑Fucp‑(1→组成，LF3‑1的主链上的半乳糖残基的C‑6位上硫酸化或连接有第二支链，第二支链由→2,3)‑β‑D‑Manp‑(1→和β‑D‑Galp‑(1→组成，LF3‑1中的硫酸根含量为26.3％，LF3‑1的重均分子量为305.3kDa；LF4‑1的主链由→3)‑α‑L‑Fucp‑(1→和→6)‑β‑D‑Galp‑(1→交替连接组成；LF4‑1的主链上的岩藻糖在C‑4位硫酸化或连接有第三支链，第三支链由→4)‑α‑L‑Fucp‑(1→组成；LF4‑1的主链上的半乳糖的C‑3位硫酸化或连接有第四支链，第四支链由→2,4)‑β‑D‑Manp‑(1→和β‑D‑Galp‑(1→组成，LF4‑1中的硫酸根含量为32.7％，LF4‑1的重均分子量为182.1kDa，可有效改善血脂和胰岛素抵抗水平，促进脂质氧化和糖代谢基因表达，进而发挥减肥降脂的作用。
-
公开(公告)号：CN117237259B
公开(公告)日：2024-02-27
申请号：CN202311510614.X
申请日：2023-11-14
Applicant: 华侨大学
Abstract: 本发明公开了一种基于多模态融合的压缩视频质量增强方法及装置，涉及图像处理领域，该方法包括：获取图像帧及其对应的光流图和纹理图并分别进行特征提取，得到图像特征、光流特征和纹理特征；构建压缩视频质量增强模型并训练，得到经训练的压缩视频质量增强模型；将图像特征、光流特征和纹理特征输入经训练的压缩视频质量增强模型，图像特征、光流特征和纹理特征输入多模态一致性单元，自适应调整三种模态信息的分布，得到第一特征、第二特征和第三特征并输入多模态融合单元以进行特征融合，得到融合特征并输入多模态重构单元，得到重构信息，将重构信息与图像帧相加，得到增强的视频帧，解决单模态图像难以有效改善最终重建视频的质量的问题。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.022 seconds)
