-
公开(公告)号：CN116506627A
公开(公告)日：2023-07-28
申请号：CN202310512353.9
申请日：2023-05-08
Applicant: 绍兴文理学院
IPC: H04N19/176 , H04N19/182 , H04N19/126
Abstract: 本发明公开了一种多特征哈希值构建哈希表进行搜索的编码方法及装置，属于数据编码技术领域，方法包括：接收图像分块和对应的图像分块像素值；根据图像分块像素值获取第一预设数量的第一内容特征和第二预设数量的第二内容特征；将第一内容特征和第二内容特征的特征值进行归一化操作；将归一化后的第一内容特征和第二内容特征进行拼接操作，得到与图像分块像素值对应的哈希值；将与哈希值相同的图像分块所在图像的坐标连接成一条哈希链，得到包括哈希链的哈希表；计算待编码块的哈希值；从哈希表中查找与待编码块哈希值相同的哈希链；比较哈希链上各个节点对应图像坐标位置作为参考块的图像块；从中选择最优参考块作为匹配块对待编码块进行编码。
-
公开(公告)号：CN111614960B
公开(公告)日：2022-09-02
申请号：CN202010446922.0
申请日：2020-05-25
Applicant: 绍兴文理学院
IPC: H04N19/136 , H04N19/503 , H04N19/593 , G06V10/764
Abstract: 本发明涉及数据压缩技术领域，具体涉及一种按图像内容特征进行帧级划分的快速编解码方法。编码方法中，通过在帧级层根据图像的不同特征进行类别划分，对符合条件的类别图像可直接跳过串预测模式进行编码，在保证编码效率一致的前提下，可以降低总体编码时间；另外，当所在类别的图像不采用串预测模式编码时，编码端也无需将当前编码单元是否采用串预测模式的编码单元层级标识写入码流，与之对应的，解码时也无需解析该编码单元层级标识，编、解码时间均可缩短，编、解码效率均得以提高。
-
公开(公告)号：CN112637600A
公开(公告)日：2021-04-09
申请号：CN202011465573.3
申请日：2020-12-14
Applicant: 绍兴文理学院
IPC: H04N19/176 , H04N19/196 , H04N19/42 , H04N19/513 , H04N19/102
Abstract: 本发明公开了一种对数据进行有损或无损压缩的编码、解码的方法或装置，属于编码、解码技术领域，对一个编码块进行串预测或串匹配编码时；将编码块中的重叠串至少拆分为两个连续的具有相同串矢量的不重叠串，并计算拆分后的不重叠串数量；或将编码块中至少有两个连续的具有相同串矢量的不重叠串合并为一个重叠串，计算编码块中不重叠串数量；将拆分前的重叠串或者合并后的重叠串的编码参数部分或全部信息写入压缩数据码流。本发明通过上述设置可以一次匹配到较长的重叠串，节省了重叠串搜索成本，同时将重叠串的编码参数信息写入压缩数据码流，提升了编码效率。
-
公开(公告)号：CN112565790A
公开(公告)日：2021-03-26
申请号：CN202011241047.9
申请日：2020-11-09
Applicant: 绍兴文理学院
IPC: H04N19/513
Abstract: 本发明涉及一种对数据进行有损或无损压缩的编码及解码系统，尤其为一种采用最小基矢量标志的串预测编码、解码方法及装置，即通过在预设条件下采用或不采用最小基矢量标志或者采用最小基矢量标志表示不同的特定串矢量值的编解码方法及装置。本发明的编码方法或装置的最基本的特有技术特征提供了一种至少采用最小基矢量标志进行串预测也称串匹配的编码方法及装置，即通过在预设条件下采用或不采用最小基矢量标志；或者采用最小基矢量标志表示不同的特定串矢量值的编码方法及装置。
-
公开(公告)号：CN112508962A
公开(公告)日：2021-03-16
申请号：CN202011305431.0
申请日：2020-11-20
Applicant: 绍兴文理学院
Abstract: 本发明公开了基于时间关联图像序列的目标图像区域子序列分离方法，包括获取目标图像区域的初始图像：根据图像目标初始跟踪决策算法获取目标图像区域的初始图像；获取目标图像区域的终止图像：依次对每一帧图像及该帧后连续N帧图像，计算目标图像区域的中智度量同理想中智度量的交叉熵及相似度，按照交叉熵越大、且相似度越小，当前帧后第N帧待判断图像越可能为终止图像的原则，获取目标图像区域的终止图像；获取目标图像区域的初始图像与终止图像、及其之间的图像作为目标图像区域子序列。本发明能够解决现有技术中对目标图像区域缺乏有效的特征表征方法，从而无法提供鲁棒性高的分离目标图像区域子序列方法的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN110197513A
公开(公告)日：2019-09-03
申请号：CN201910393318.3
申请日：2019-05-13
Applicant: 绍兴文理学院
Abstract: 本发明涉及一种基于调整阈值匹配误差的串匹配数据压缩方法，包括编码串、参考串、设定的阈值、以及预设的匹配条件，编码串的最小匹配单位为编码基元，参考串的最小匹配单位为参考基元；设定初始阈值以及对应的匹配条件，比较当前编码基元(或编码串)与参考基元(或参考串)之间是否满足所设定的匹配条件，当前匹配判断完成则对当前阈值进行调整，下一个编码基元或者编码串匹配时使用调整后的新阈值进行匹配判断。本发明考虑到当前匹配误差对全局误差的影响，通过对当前阈值的调整为后续基元的匹配进行全局优化处理，显著提高了编码的效率。
-
公开(公告)号：CN110087073A
公开(公告)日：2019-08-02
申请号：CN201910393135.1
申请日：2019-05-13
Applicant: 绍兴文理学院
IPC: H04N19/169 , H04N19/146 , H03M7/30
Abstract: 本发明涉及一种多阈值串匹配数据压缩方法，包括编码串、参考串、设定的阈值、以及预设的匹配条件，编码串的最小匹配单位为编码基元，参考串的最小匹配单位为参考基元；设定多个阈值以及与多个阈值相对应的多个匹配条件，比较当前编码基元与参考基元是否匹配，或者比较当前编码串与参考串是否匹配时，满足其中一个匹配条件即可判定匹配成功，或者采用同时满足多个匹配条件才判定匹配成功的方式。多阈值既可以是固定值也可以采用非固定值，这种灵活的多组合方式是基于考虑到局部与整体之间误差存在差异性，以及多个分量之间误差存在差异性而提出，该方法拓宽了数据压缩的适用范围，显著提高了串匹配编码的效率。
-
公开(公告)号：CN109063556A
公开(公告)日：2018-12-21
申请号：CN201810673753.7
申请日：2018-06-27
Applicant: 绍兴文理学院
CPC classification number: G06K9/00335 , G06K9/46 , G06K9/629 , G06K2009/6295
Abstract: 本发明涉及一种基于镜像视觉实现机器人舞蹈姿态自主评判的方法，包括采集相应的样本镜像视觉图像，将样本镜像视觉图像和自身植入的审美标签得到舞蹈姿态样例集，并基于该舞蹈姿态样例集进行机器学习，建立舞蹈姿态自主评判模型，进而对新舞蹈姿态进行评判采用该种方法，通过对机器人舞蹈姿态的镜像视觉图像采集、预处理、特征提取及特征融合，在建立舞蹈姿态样例集的基础上进行机器学习，建立舞蹈姿态自主评判模型，使机器人具备理解自身舞蹈姿态美感的能力，从视觉信息感知通道出发，实现了机器人更加精准评判自身舞蹈姿态的审美结果，具有如舞蹈治疗、机器人玩具等更广泛的应用范围。
-
公开(公告)号：CN119148721A
公开(公告)日：2024-12-17
申请号：CN202411612623.4
申请日：2024-11-13
Applicant: 绍兴文理学院 , 绍兴市基础设施建设投资有限公司 , 宝略科技(浙江)有限公司
Abstract: 本发明公开了一种基于自适应KMeans算法的机器人未知环境探索方法，通过获取机器人在未知环境中移动的未知区域，并基于RRT算法对所述未知区域进行识别得到边界点，采用KMeans算法对所述边界点进行聚类处理，并基于信息增量算法对聚类处理后的边界点进行计算以确定目标点，基于TEB路径规划算法引导所述机器人到达所述目标点，并采用Gmapping算法进行地图构建以完成机器人未知环境探索，可以根据地图采集到的边界点动态调整聚类中心的数量，根据数据的特性和分布情况，智能地决定最佳的聚类中心数目，从而提高聚类的效果和精确度，基于KMeans聚类算法对边界点进行聚类，并通过信息增量算法对目标点进行优化，以提高聚类的准确性和效率。
-
公开(公告)号：CN118628724B
公开(公告)日：2024-11-22
申请号：CN202411109960.1
申请日：2024-08-14
Applicant: 绍兴文理学院
IPC: G06V10/25 , G06V10/26 , G06V10/774 , G06V10/82 , G06V10/24
Abstract: 本发明提供一种基于弱标签数据的图像兴趣区域提取方法及系统，涉及图像处理技术领域，方法包括：获取数据集；通过最小外接旋转矩形框标注图像样本中的兴趣区域标签，得到旋转矩形掩码图；对图像样本进行多尺度缩放，得到不同尺度的图像样本；将不同尺度图像样本输入至图像分割模型进行训练，输出兴趣区域预测图；将兴趣区域预测图映射至所属图像样本中旋转矩形框长短边方向一致的矩形区域，得到旋转矩形映射估计特征图；计算图像样本的损失值；在损失值大于预设损失值的情况下，调整图像分割模型的超参数，重复训练；利用训练后的图像分割模型提取待检测图像的图像兴趣区域。在不降低识别准确性的同时，有效降低标注成本。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.02 seconds)
