-
公开(公告)号：CN112261409B
公开(公告)日：2024-12-20
申请号：CN201910663278.X
申请日：2019-07-22
Applicant: 中兴通讯股份有限公司 , 华中科技大学
IPC: H04N19/176 , H04N19/172 , H04N19/42 , H04N19/503
Abstract: 本发明提供了一种残差编码、解码方法及装置、存储介质及电子装置。在残差编码方法中，确定待编码块的参考块的残差；基于所述待编码块的所述参考块的残差，对所述待编码块的残差进行预测，得到所述待编码块的预测残差；将所述待编码块的所述预测残差和所述待编码块的实际残差之间的残差差值编码进码流。通过本发明，解决了相关技术中如何降低编码残差的比特率的问题，进而达到了节省码率的效果。
-
公开(公告)号：CN114758382B
公开(公告)日：2024-09-10
申请号：CN202210315936.8
申请日：2022-03-28
Applicant: 华中科技大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于自适应补丁学习的面部AU检测模型建立方法及应用，属于计算机视觉技术领域，包括：建立初始神经网络模型并训练，得到面部AU检测模型；模型包括：全局特征学习模块，用于从人脸图像中提取全局人脸特征Fglobal；人脸关键点位置学习模块，用于从Fglobal中学习得到人脸关键点位置Palign；自适应多尺度补丁学习模块，包括：自适应补丁提案子模块，用于根据Palign从Fglobal中划分出多种尺度的补丁区域；多尺度补丁学习子模块，用于通过补丁学习得到各尺度补丁区域的特征后级联为AU特征；以及AU预测模块，用于根据AU特征预测各AU标签出现的概率；补丁区域包括AU级尺度区域、关联级尺度区域和人脸级尺度区域。本发明能够减少头部姿态影响，提高AU检测精度。
-
公开(公告)号：CN118230078A
公开(公告)日：2024-06-21
申请号：CN202410656208.2
申请日：2024-05-24
Applicant: 华中科技大学
IPC: G06V10/764 , G06V10/82 , G06V10/80 , G06N3/045 , G06N3/084 , G06N3/0895 , G06V10/26
Abstract: 本发明公开了一种脑出血分类模型建立方法及脑出血区域分割方法，属于医学图像分割领域，模型建立方法包括：收集包含分类标签的脑部图像集后，对基于多头自注意力的分类网络进行训练，每次训练时，执行一次擦除再激活过程，并且以分类结果与分类标签间的差异最小化，擦除前、后的前景区域差距最小化，以及前景区域和背景区域间的差距最大化为训练目标，对分类网络的参数进行迭代更新。分割方法包括：将待检测脑部图像划分并向量化后，输入分类网络，收集注意力层输出的注意力矩阵，并通过类激活图技术将其可视化为类激活图，二值化为分割图。本发明能够仅利用图像级分类标签实现对整个出血区域的有效识别，提高脑出血区域的分割精度。
-
公开(公告)号：CN115767098A
公开(公告)日：2023-03-07
申请号：CN202211294861.6
申请日：2022-10-21
Applicant: 华中科技大学
IPC: H04N19/176 , H04N19/66 , H04N19/154
Abstract: 本发明公开了一种面向机器视觉的端‑边协同视频编码方法及视频传输系统，其中，该编码方法根据当前时段的原始视频数据得到初始化的编码策略其中，为将区域划分为若干不同质量等级区域的划分方式，为每个质量等级的量化参数；摄像头根据最新编码策略进行编码后传输给边缘，边缘解码图像并重新根据目标识别结果更新编码策略中的以指导摄像头下一时隙的编码；当触发结果验证时，判断当前编码策略的准确率以及延时，若不符合要求，则重新进入初始化步骤，获得更新的初始化编码策略后继续按前述过程执行。本发明通过两个循环调整过程，能有效降低带宽消耗并保证获得较高的分析精度。
-
公开(公告)号：CN115546878B
公开(公告)日：2023-02-03
申请号：CN202211471437.4
申请日：2022-11-23
Applicant: 华中科技大学
Abstract: 本发明公开了基于注意力机制的面部AU检测模型建立方法及其应用，属于计算机视觉技术领域，包括：建立面部AU检测模型并训练；模型包括：多尺度特征提取网络，用于从人脸图像中提取全局人脸特征图；多尺度注意力图生成网络，用于生成AU特征；以及AU检测网络，用于根据AU特征预测各AU出现的概率；多尺度注意力图生成网络中，三个分支分别用于生成局部AU尺度、时间关联尺度和人脸ROI尺度的注意力图并作用于全局人脸特征图，得到对应特征图后进行特征提取并融合，最后一个分支对全局尺度人脸特征图进行特征提取，特征级联模块用于将各分支生成的特征图按通道级联为AU特征。本发明能够准确利用AU间的相关性，提高AU检测精度。
-
Patent Agency Ranking
公开(公告)号：CN115546878A
公开(公告)日：2022-12-30
申请号：CN202211471437.4
申请日：2022-11-23
Applicant: 华中科技大学
Abstract: 本发明公开了基于注意力机制的面部AU检测模型建立方法及其应用，属于计算机视觉技术领域，包括：建立面部AU检测模型并训练；模型包括：多尺度特征提取网络，用于从人脸图像中提取全局人脸特征图；多尺度注意力图生成网络，用于生成AU特征；以及AU检测网络，用于根据AU特征预测各AU出现的概率；多尺度注意力图生成网络中，三个分支分别用于生成局部AU尺度、时间关联尺度和人脸ROI尺度的注意力图并作用于全局人脸特征图，得到对应特征图后进行特征提取并融合，最后一个分支对全局尺度人脸特征图进行特征提取，特征级联模块用于将各分支生成的特征图按通道级联为AU特征。本发明能够准确利用AU间的相关性，提高AU检测精度。
-
公开(公告)号：CN115359652A
公开(公告)日：2022-11-18
申请号：CN202210803950.2
申请日：2022-07-07
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于车路协同的自动驾驶视频分析任务调度方法及介质，属于自动驾驶领域，方法包括：车辆编队中的头部车辆捕获前方道路环境以生成道路视频；确定视频分析任务并分配至相应头部车辆；头部车辆计算其视频分析任务所需计算资源，并在所需计算资源大于其剩余计算资源时，若存在剩余计算资源大于所需计算资源的其它头部车辆时，将其视频分析任务及道路视频转发至剩余计算资源最高的其它头部车辆进行分析处理，否则，转发至道路单元进行分析处理；将分析处理得到的结果传输给车辆编队中的每一车辆，使得各车辆根据结果控制其行驶状态。不仅可以缓解车辆计算任务的压力，还提高了车辆编队对周围环境的感知敏感度，保障了驾驶安全。
-
公开(公告)号：CN115330034A
公开(公告)日：2022-11-11
申请号：CN202210894509.X
申请日：2022-07-28
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于数据降维聚类的生产指标预测方法及存储介质，属于流程工业数据处理领域，包括：计算各输入序列与生产指标序列在不同时间偏移下的时域互信息，并进行积分，得到总时域互信息量；筛选出总时域互信息量最高的m个输入序列，作为目标输入序列；在不同时刻分别获得各目标输入序列的降维特征，得到各时刻的降维特征序列后进行聚类；输入序列的降维特征为该输入序列在时域上的加权求和结果，加权求和的权值与对应时间偏移下的时域互信息正相关，且所有权值之和为1；对于每一个聚类类别，利用其中的降维特征序列及已知的生产指标序列训练机器学习模型，得到对应的生产指标预测模型。本发明能够降低生产指标预测模型的训练复杂度。
-
公开(公告)号：CN114758382A
公开(公告)日：2022-07-15
申请号：CN202210315936.8
申请日：2022-03-28
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于自适应补丁学习的面部AU检测模型建立方法及应用，属于计算机视觉技术领域，包括：建立初始神经网络模型并训练，得到面部AU检测模型；模型包括：全局特征学习模块，用于从人脸图像中提取全局人脸特征Fglobal；人脸关键点位置学习模块，用于从Fglobal中学习得到人脸关键点位置Palign；自适应多尺度补丁学习模块，包括：自适应补丁提案子模块，用于根据Palign从Fglobal中划分出多种尺度的补丁区域；多尺度补丁学习子模块，用于通过补丁学习得到各尺度补丁区域的特征后级联为AU特征；以及AU预测模块，用于根据AU特征预测各AU标签出现的概率；补丁区域包括AU级尺度区域、关联级尺度区域和人脸级尺度区域。本发明能够减少头部姿态影响，提高AU检测精度。
-
公开(公告)号：CN113780099B
公开(公告)日：2022-07-05
申请号：CN202110947948.8
申请日：2021-08-18
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于对抗学习的半监督面部运动单元检测方法和系统，充分运用光流可以有效地捕捉到微弱的运动位移，即可以捕捉到由面部表情引起的AUs变化的特点，构建基于光流融合的生成对抗网络模型用于实现对面部运动单元的精确检测；并且考虑到顶点帧的选取存在一定难度，将顶点帧及其附近的帧设置为顶点阶段，在顶点阶段内随机选择第一目标帧和第二目标帧，并将第一目标帧、源帧的光流矢量与源帧相结合得到运动图像作为生成器的输入，以第二目标帧作为标签对生成器进行训练，从而增强模型的鲁棒性，进一步提高检测效果。
-
-
-
-
-
-
-
-
-
Search Results
133
records
(took 0.056 seconds)
