基于稀疏编码的码率控制的图像压缩方法、系统及装置

    公开(公告)号:CN112203089B

    公开(公告)日:2021-02-23

    申请号:CN202011396914.6

    申请日:2020-12-03

    Abstract: 本发明属于数字图像处理技术领域,具体涉及了一种基于稀疏编码的码率控制的图像压缩方法、系统及装置,旨在解决现有遥感图像压缩码率不易控制且码率分配不合理,导致遥感图像压缩效率低,压缩后图像重建质量低的问题。本发明包括:将待编码图像划分为设定大小,并进行编码参数设定;提取图像块均值并进行量化和熵编码;每次更新图像实际编码码率后,与设定目标码率进行比较,并根据比较结果确定下一步操作;每次迭代编码时,选取复杂度较高的图像块进行稀疏编码,其数量由当前图像实际编码码率、设定目标码率和系数共同决定;在设定的编码码率下完成图像编码。本发明编码码率精准可控,分配合理并能动态调整,可以实现图像的高效、高质量压缩。

    基于对比的快速暴恐视频识别方法

    公开(公告)号:CN108734106B

    公开(公告)日:2021-01-05

    申请号:CN201810366397.4

    申请日:2018-04-23

    Abstract: 本发明涉及视频分类领域,提出了一种基于对比的快速暴恐视频识别方法,旨在解决在基于视觉特征的暴恐视频识别中由于特征描述子描述能力有限,所造成的暴恐视频识别的准确率(precious)和召回率(recall)相对较低问题。该方法包括:对用于进行暴恐识别的待检测视频进行镜头分割以选取待检测视频的关键帧;利用预先构建的暴恐视频识别模型,对该待检测视频的各关键帧进行哈希码运算,得到各上述关键帧的哈希码;将各上述关键帧的哈希码分别与预存暴恐视频的视频帧的哈希码比较,确定出与各上述关键帧相似的视频帧;如果与各上述关键帧相似的视频帧的数目超过设定阈值,确定该待检测视频为暴恐视频。本发明能够快速、准确的从大量的视频中识别出暴恐视频。

    多尺度加宽残差网络、小目标识别检测网络及其优化方法

    公开(公告)号:CN111626373A

    公开(公告)日:2020-09-04

    申请号:CN202010484081.2

    申请日:2020-06-01

    Abstract: 本发明属于机器学习领域,具体涉及一种多尺度加宽残差网络、小目标识别检测网络及其优化方法,本发明多尺度加宽残差网络包括串行连接的多尺度加宽卷积层、多尺度加宽残差网络单元结构;所述多尺度加宽卷积层,包括并行设置的多个不同尺度的卷积核,其输出为所述多个不同尺度的卷积核提取特征的合并;所述多尺度加宽残差网络单元结构,包括多个串联设置的所述多尺度加宽卷积层,设定两个所述多尺度加宽卷积层之间跃层连接,以直接将两层输出特征取大融合。基于本发明得到的特征进行小目标识别检测,可以提高小目标物体识别的准确度。

    基于特征空间变化的蒸馏学习方法、系统、装置

    公开(公告)号:CN110135562A

    公开(公告)日:2019-08-16

    申请号:CN201910360632.1

    申请日:2019-04-30

    Abstract: 本发明属于计算机视觉及机器学习领域,具体涉及了一种基于特征空间变化的蒸馏学习方法、系统、装置,旨在解决学生网络无法学习教师网络全局知识的问题。本发明方法包括:按照蒸馏学习教师网络的参数结构构建对应的学生网络;分别选取预设的网络层,计算每一层的特征空间表示以及特定两个层间的跨层特征空间变化矩阵;计算基于特征空间变化的损失函数,根据真实标签计算分类损失函数;通过两个损失函数的加权将教师网络的特征空间变化作为知识迁移到学生网络中。本发明将教师网络层与层之间的特征空间变化刻画为一种新的知识,从而,使得学生网络在学习层与层之间的特征空间变化时,就学习到整个教师网络全局的知识。

    一种基于时空特征的网络同源视频检测方法

    公开(公告)号:CN103336957B

    公开(公告)日:2016-12-28

    申请号:CN201310303194.8

    申请日:2013-07-18

    Abstract: 本发明公开了一种基于时空特征的网络同源视频检测方法,该方法包括以下步骤:步骤1:对输入的待检测视频进行预处理,从而去除低信息帧或异常帧,并进行图中图检测;步骤2:将至少一个参考视频与预处理后的待检测视频进行视频片段分割,得到一系列的视频片段,每个视频片段由相等数目的连续帧组成;步骤3:分别对上述所有的视频片段提取时空特征数据;步骤4:采用局部敏感哈希方法对上述得到的时空特征数据进行有效索引以及搜索,从而匹配得到相似视频片段,并输出最终同源视频的信息。

    一种基于稀疏表示的图像白平衡方法

    公开(公告)号:CN103839236A

    公开(公告)日:2014-06-04

    申请号:CN201410065411.9

    申请日:2014-02-25

    Abstract: 本发明公开了一种基于稀疏表示的图像白平衡方法,该方法包含以下步骤:获取大量各种场景和环境下的训练图像,并利用标准色板测量得到每幅训练图像拍摄时的光照色度值;对每一幅训练图像统计其对应的颜色特征;给定一测试图像,利用所述训练图像的光照色度值和颜色特征,估算所述测试图像的光照色度值;利用得到的测试图像的光照色度值,通过对角模型对所述测试图像中每个像素的颜色进行校正,得到经过白平衡的图像。本发明可应用到相机的白平衡处理,图像的光照变换以及颜色恒常性计算等领域,具有广阔的应用前景。

    基于判别性示例选择多示例学习的恐怖视频识别方法

    公开(公告)号:CN103413125A

    公开(公告)日:2013-11-27

    申请号:CN201310376064.7

    申请日:2013-08-26

    Abstract: 本发明公开一种基于判别性示例选择多示例学习的恐怖视频识别方法。该方法包括:提取训练视频集中每个视频的视频镜头,针对每个视频镜头选取情感代表帧和情感突变帧表示该镜头;提取对每个镜头的音频和视频特征作为视频示例,组成视频示例集合;从所述视频示例集合中选择出判别性视频示例;计算训练视频集合中每个视频示例与所述判别性视频示例之间的相似性距离,得到特征向量集合;将待识别视频的特征向量与训练视频集合对应的特征向量集合进行稀疏重构,根据重构误差识别视频的类别。本发明提出了一种新的基于判别性示例选择的多示例学习模型应用到恐怖电影场景识别中,该技术具有重要的学术意义和社会意义,并具有广阔的应用前景。

Patent Agency Ranking