-
公开(公告)号：CN111429497B
公开(公告)日：2023-05-05
申请号：CN202010201383.4
申请日：2020-03-20
Applicant: 郑州轻工业大学
Inventor： 赵进超 , 张秋闻 , 王兆博 , 王祎菡 , 崔腾耀 , 赵永博 , 郭睿骁 , 王晓 , 蒋斌 , 黄立勋 , 张伟伟 , 钱晓亮 , 吴庆岗 , 常化文 , 魏涛 , 孙丽君
IPC: G06T7/40 , G06T7/136 , G06T7/13 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提出了一种基于深度学习和多特征融合的自适应CU拆分决策方法，其步骤为：首先，利用标准偏差计算当前CU的纹理复杂度SD，再利用量化参数函数和深度函数构建阈值模型，将当前CU分为复杂CU和均匀CU；其次，如果复杂CU属于边缘CU，则利用基于多特征融合的CNN结构对复杂CU进行判断是否拆分；否则，利用基于自适应的CNN结构对复杂CU进行判断是否拆分。本发明将深度学习和多特征融合相结合，解决了编码复杂性的问题。基于多特征融合的CNN结构和基于自适应的CNN结构均可成功处理训练样本，避免计算所有与复杂CU的率失真RDO，从而降低了计算复杂度，节省了编码时间。
-
公开(公告)号：CN112291562B
公开(公告)日：2022-06-14
申请号：CN202011183696.8
申请日：2020-10-29
Applicant: 郑州轻工业大学
IPC: H04N19/159 , H04N19/172 , H04N19/64
Abstract: 本发明提出了一种针对H.266/VVC的快速CU分区和帧内模式决策方法，其步骤为：首先，当CU大小为第一种尺寸时，选择有效特征来区分CU分区模式；其次，通过有效特征在线训练SVM分类器模型，并利用训练好的SVM分类器模型用于确定第一种尺寸对应的CU分区模式；当CU大小为第二种尺寸时，分别计算五个分割模式下CU的方差的方差，并将最大值对应的分割模式作为CU的最佳模式；最后，根据计算的划分后的CU的像素值偏差PVD将帧内预测模式分为垂直帧内模式和水平帧内模式，并使用改进的搜索方式确定最佳帧内预测模式。本发明既缩短了CU划分的时间，又减少了需要计算的帧内预测模式的数量，可以在保持编码质量的同时降低编码的计算复杂度。
-
公开(公告)号：CN112631130B
公开(公告)日：2022-03-11
申请号：CN202011495267.4
申请日：2020-12-17
Applicant: 郑州轻工业大学
IPC: G05B13/04
Abstract: 本发明提出了一种面向时延和噪声的ILC系统输入信号最优估计方法，解决了测控信号无线传输过程中所受到的一步随机时延和信道噪声干扰对ILC系统收敛性能的影响，导致系统输出无法实现对期望轨迹的精确跟踪的技术问题。其步骤为：首先利用同一次迭代内两个相邻时刻的控制信号迭代学习过程及包含一步随机时延和信道噪声干扰的测控信号无线传输过程，构建用于在执行器端对输入信号进行最优估计的系统模型，在此基础上，依据正交投影准则，在迭代域内获得基于线性最小方差的滤波估计器，实现对最优估计系统模型中包含一步随机时延和信道噪声干扰的控制输入信号的最优估计，进而改善ILC系统输出对期望轨迹跟踪的收敛性能。
-
公开(公告)号：CN113659939A
公开(公告)日：2021-11-16
申请号：CN202110991434.2
申请日：2021-08-26
Applicant: 郑州轻工业大学
Abstract: 一种基于闭环负反馈的UPWM失真校正方法及该方法构建的数字UPWM调制器，该方法首先在数字Sigma‑Delta调制器之前添加插零值模块，提高输入信号的采样频率；然后在数字Sigma‑Delta调制器之后加入抽取模块，降低数字Sigma‑Delta调制器输出信号的采样频率；之后对数字Sigma‑Delta调制器的状态空间表达式进行重构，求取一组新的状态空间系数，使得重构之后的数字D类音频功放系统和原数字D类音频功放系统等价；最后将抽取模块和UPWM发生器包含到数字Sigma‑Delta调制器的环路内，构成闭环负反馈环路，使得环路的输入输出呈现线性，从而校正UPWM产生的失真。本发明不仅能降低谐波失真还能大幅降低功放输出信号的本底噪声，从而可使功放拥有较高的SNDR，同时所提方法可全数字电路实现、硬件实现简单且具有可移植性。
-
公开(公告)号：CN113256570A
公开(公告)日：2021-08-13
申请号：CN202110507672.1
申请日：2021-05-10
Applicant: 郑州轻工业大学
Abstract: 本发明适用于机器视觉检测技术领域，提供了一种基于人工智能的视觉信息处理方法、系统、装置及存储介质，所述方法包括以下步骤：获取原始视频；对所述原始视频进行预处理，得到多帧灰度图像；确定至少一帧满足预设条件的参考帧图像；将多帧灰度图像分别与参考帧图像进行一一比对，得到异常帧图像；提取异常帧图像中的特征信息，将所述特征信息生成描述向量；根据预先训练的分类识别模型对所述描述向量进行分类识别，得到所述灰度图像的类别属性。本发明实施例提供的基于人工智能的视觉信息处理方法能够有效识别目标产品的外观质量，能够有效解决目前自动化行业产品外观质量检测主要是人工检测和接触式检测为主，存在检测效率低、效果差的问题。
-
Patent Agency Ranking
公开(公告)号：CN112929658A
公开(公告)日：2021-06-08
申请号：CN202110161928.8
申请日：2021-02-05
Applicant: 郑州轻工业大学
IPC: H04N19/122 , H04N19/147 , H04N19/159 , H04N19/186 , H04N19/96
Abstract: 本发明提出了一种针对VVC的基于深度强化学习的快速CU分区方法，用于解决现有编码技术中存在的计算复杂性和编码性能不平衡的技术问题。其步骤为：首先，通过计算率失真值的方式分别对视频序列中的单帧图像进行划分得到大小为32×32的CU，并保存每个32×32的CU的初始状态；其次，分别将每个32×32的CU的初始状态及其对应的动作输入DQN中进行训练，输出每个32×32的CU的最佳划分方式。本发明将拆分32×32的CU划分情况视为状态，将划分模式决策视为动作，将率失真值作为奖励，并由编码器作为智能体来连续做出编码决策。并通过DQN对32×32的CU进行编码模式的选择，既保证了迭代的稳定性，在不降低编码性能的前提下降低了计算复杂性。
-
公开(公告)号：CN112631130A
公开(公告)日：2021-04-09
申请号：CN202011495267.4
申请日：2020-12-17
Applicant: 郑州轻工业大学
IPC: G05B13/04
Abstract: 本发明提出了一种面向时延和噪声的ILC系统输入信号最优估计方法，解决了测控信号无线传输过程中所受到的一步随机时延和信道噪声干扰对ILC系统收敛性能的影响，导致系统输出无法实现对期望轨迹的精确跟踪的技术问题。其步骤为：首先利用同一次迭代内两个相邻时刻的控制信号迭代学习过程及包含一步随机时延和信道噪声干扰的测控信号无线传输过程，构建用于在执行器端对输入信号进行最优估计的系统模型，在此基础上，依据正交投影准则，在迭代域内获得基于线性最小方差的滤波估计器，实现对最优估计系统模型中包含一步随机时延和信道噪声干扰的控制输入信号的最优估计，进而改善ILC系统输出对期望轨迹跟踪的收敛性能。
-
公开(公告)号：CN111654698A
公开(公告)日：2020-09-11
申请号：CN202010534562.X
申请日：2020-06-12
Applicant: 郑州轻工业大学
IPC: H04N19/119 , H04N19/70 , H04N19/96 , G06K9/62
Abstract: 本发明提出了一种针对H.266/VVC的快速CU分区决策方法，其步骤为：首先，利用传统编码方法对视频序列进行编码，并在编码过程中记录与CU划分的类别相关的特征，并利用改进的F-score特征选择方法计算特征的得分值，将得分值较高的特征作为特征子集；其次，根据CU划分的类别和特征子集构建改进的有向无环图DAG-SVM分类器模型；最后，将待划分的CU的纹理复杂度、方向复杂度和量化步长输入改进的有向无环图DAG-SVM分类器模型中，预测CU最佳划分类别。本发明通过改进的F-score特征选择方法和改进的有向无环图支持向量机DAG-SVM模型的结合，能够提前预测最佳CU分区，降低了计算复杂度，节省了编码时间。
-
公开(公告)号：CN111627031A
公开(公告)日：2020-09-04
申请号：CN202010478994.3
申请日：2020-05-29
Abstract: 本发明提出了一种基于瓦屋状多边形的作物根系表型分析装置及方法，其步骤如下：搭建作物根系表型分析装置，及时获取完整根系的彩色图像；对彩色图像进行裁剪，利用图像二值化将根系图像进行分割，采用连通区域标记法保留面积最大的连通区域，得到根系连通区域的二值化图像；通过表示根系像素点的最左端、最右端和最顶部的像素点确定矩形区域，在矩形区域内进行二均值聚类，进一步确定瓦屋状多边形；根据瓦屋状多边形进行根系形态及生长发育规律的动态表型分析。本发明引入瓦屋状多边形来定义根系的覆盖几何形状、密度分布、性状模式等全局特征，实现根系形态及生长发育规律等的动态表型分析；且自动化程度高，对尺度变化不敏感。
-
公开(公告)号：CN111479110A
公开(公告)日：2020-07-31
申请号：CN202010293694.8
申请日：2020-04-15
Applicant: 郑州轻工业大学
IPC: H04N19/109 , H04N19/119 , H04N19/51 , H04N19/543 , H04N19/567
Abstract: 本发明提出了一种针对H.266/VVC的快速仿射运动估计方法，其步骤为：利用标准差计算当前CU的纹理复杂度，并根据纹理复杂度将当前CU分为静态区域或非静态区域；对于静态区域的CU，跳过仿射运动估计，直接利用运动估计对当前CU进行预测，并通过率失真优化的方法选择最佳的预测方向模式；对于非静态区域的CU，利用训练好的随机森林分类器RFC模型对当前CU进行分类，输出最佳的预测方向模式。对于静态区域的CU，本发明跳过仿射运动估计，降低了计算复杂度；对于非静态区域的CU，本发明通过提前训练好的模型直接进行预测方向模式的预测，避免了仿射运动估计的计算，从而降低仿射运动估计模块的复杂度。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.029 seconds)
