-
公开(公告)号：CN109803096B
公开(公告)日：2020-08-25
申请号：CN201910027914.X
申请日：2019-01-11
Applicant: 北京大学
IPC: H04N5/262
Abstract: 本申请公开了一种基于脉冲信号的显示方法和系统，包括：分析单个像素位置对应的脉冲序列，脉冲发放信息；获取单个脉冲发放时间之前的多个脉冲发放时间所对应的各像素值，将其累加作为第一累加像素值；与所述像素位置的所述单个脉冲发放时间相对应地设定第一特定量，叠加第一特定量与第一累加像素值，得到所述像素位置的第一像素值；比较第一像素值与像素阈值范围的关系，调整第一特定量得到第二特定量；叠加第一累加像素值与第二特定量得到所述像素位置的第二像素值，使用各第二像素值生成图像。通过利用脉冲信号的时域特性计算像素值，构成高质量的图像并输出任意连续时刻的图像；根据像素阈值范围调整像素值，提高生成图像的质量。
-
公开(公告)号：CN108965873B
公开(公告)日：2020-02-14
申请号：CN201810821231.7
申请日：2018-07-24
Applicant: 北京大学
IPC: H04N19/117 , H04N19/147 , H04N19/96 , H04N19/30
Abstract: 本发明提供了一种脉冲阵列编码的自适应划分方法，包括步骤：通过时空信号传感器采集时空脉冲信息，形成脉冲阵列；将脉冲阵列划分为多个编码树立方体；将每个编码树立方体多级划分为编码立方体，直至划分至最大深度；将每次划分前后编码立方体结构的性能进行比较，决策是否进行划分编码立方体；确定编码树立方体及所述编码立方体的划分结构，输出划分结果。本发明依据传统视频编码中编码结构的划分思路，提出了对于同时具有时间和空间的时空脉冲阵列信号的自适应划分方式。通过在空域上和时域上的划分，为后续的压缩过程提供了所要操作的区域范围。
-
公开(公告)号：CN105808732B
公开(公告)日：2019-05-17
申请号：CN201610135001.6
申请日：2016-03-10
Applicant: 北京大学
IPC: G06F16/53
Abstract: 本发明实施例提供了一种基于深度度量学习的一体化目标属性识别与精确检索方法。所述方法包括：获取查询图片和图片数据库；根据预先训练好的深度神经网络模型，分别得到所述查询图片和所述图片数据库中所有图片的特征向量,所述特征向量包括图片中个体目标的类别特征与个体目标的身份特征；根据所述特征向量，分别计算所述查询图片与所述图片数据库中的图片在欧式空间中的欧氏距离；根据所述查询图片与所述图片数据库中的所有图片的欧氏距离，从所述图片数据库中选择与所述查询图片相似度最大的图片。本发明能够提高图像检索的准确性。
-
公开(公告)号：CN108985448A
公开(公告)日：2018-12-11
申请号：CN201810575097.7
申请日：2018-06-06
Applicant: 北京大学
CPC classification number: G06N3/0635 , G06N3/0454
Abstract: 本发明提供一种神经网络表示标准框架结构，包括：可互操作表示模块，通过对输入的神经网络进行转换得到可互操作的表示格式，其包含对神经网络的语法定义、支持的运算操作定义和权重格式定义；紧凑表示模块，将可互操作表示的神经网络通过神经网络压缩算法转换为序列化格式，其包含压缩后的神经网络的语法定义、支持的运算操作定义和权重格式定义；编解码表示模块，通过神经网络压缩算法将紧凑表示的神经网络转换为编解码表示，其包含压缩后的神经网络的语法定义、支持的运算操作定义和编解码后权重格式定义；封装表示模块，将安全信息和身份认证信息和神经网络一起封装，由此将神经网络转换为模型。
-
公开(公告)号：CN104281858B
公开(公告)日：2018-07-10
申请号：CN201410469780.4
申请日：2014-09-15
Abstract: 本发明实施例涉及视频图像技术领域，尤其涉及一种三维卷积神经网络训练方法、一种基于三维卷积神经网络的视频异常事件检测方法及装置，用以对拥挤人群场景下发生的异常事件进行检测。本发明实施例的方法中三维卷积神经网络正向传递过程中第N组卷积‑采样层中的卷积层上的每个卷积核对第N‑1组卷积‑采样层中的采样层的所有通道的所有特征图的数据进行卷积，由于最后一层卷积层对所有通道的所有特征图的数据进行卷积，从而可提取更具有表达能力的特征，从而可通过这些特征更好地描述拥挤人群场景下发生的异常事件，进而提高异常事件的检测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN107506799A
公开(公告)日：2017-12-22
申请号：CN201710780217.2
申请日：2017-09-01
Applicant: 北京大学
Abstract: 一种基于深度神经网络的样本分类方法，使用包含已定义类别样本的样本集训练待扩展分类模型，获得分类阈值信息；将包含未定义类别样本的样本集送入所述待扩展分类模型，根据所述待扩展分类模型的分类阈值信息确定至少部分所述未定义类别样本；人工标注未定义类别样本；在所述深度神经网络的分类层中增加权值转移矩阵列数，以增加模型识别类别的总数，其中，增加的权值列中包含与全局分类相关的第一信息和与类别间联系相关的第二信息；用人工标注的未定义类别样本增量训练更新后的模型。通过修改深度神经网络分类层权值转移矩阵，从而扩展深度神经网络，使其识别类别数动态增加，从而能处理开集识别问题，更贴近真实识别场景下的应用。
-
公开(公告)号：CN103729620B
公开(公告)日：2017-11-03
申请号：CN201310680608.9
申请日：2013-12-12
Applicant: 北京大学
Abstract: 本发明提出了一种基于视角贝叶斯网络模型的行人检测方法及装置，可以对多个摄像头监控的人群比较密集的场景进行行人检测和定位。不仅适用于前景提取效果较好的场景，也适用于前景提取效果不佳但可以通过行人检测器进行检测的场景。本发明的方法包括单视处理步骤、基平面映射步骤、多视角融合步骤和逆映射以及最终检测结果输出步骤。
-
公开(公告)号：CN103813169B
公开(公告)日：2017-07-21
申请号：CN201410056434.3
申请日：2014-02-19
Applicant: 北京大学
IPC: H04N19/20 , H04N19/136
Abstract: 本发明提出了一种视频编解码器中可伸缩的对象表示方法,本方法在编码过程中，根据编码单元的划分结构和对象信息来判定编码单元的对象属性，从而将对象属性编入输出视频的比特流；在解码过程中，解码出对象属性，从而得到包括形状、位置的对象信息。利用此方法，本发明提出视频编解码器中可伸缩的对象表示装置。对于一个最大编码单元，根据模式决策对其进行递归划分；对于终止划分的编码单元，判断其是否属于对象：不属于对象则进入标识编码模块为其编码对象索引标识；属于对象则进入对象表示精度决策模块。
-
公开(公告)号：CN103870818B
公开(公告)日：2017-02-15
申请号：CN201410126512.2
申请日：2014-03-31
Abstract: 本发明公开了一种烟雾检测方法和装置，属于数字图像与视频处理领域。该方法包括：对输入的视频图像进行目标区域检测，得到目标区域；计算内部相似性和与周围区域差异性目标区域内部相似性；计算内部相似性和与周围区域差异性目标区域与周围区域差异性；根据内部相似性和与周围区域差异性内部相似性和与周围区域差异性判决内部相似性和与周围区域差异性目标区域是否为烟雾。采用本发明实施例，通过对目标区域内的子块特征进行分类，还同时考虑目标区域与周围背景区域的差异性得到最终的判定结果，从而能有效地区分烟雾目标与类烟雾目标。
-
公开(公告)号：CN103778642B
公开(公告)日：2017-02-15
申请号：CN201310677149.9
申请日：2013-12-12
IPC: G06T7/20
Abstract: 本发明适用于图像处理技术领域，提供了一种目标跟踪的方法及装置，所述方法包括：当输入第t帧图像时，通过前t-1帧图像学习更新得到的在线模型Ht-1，预计对象所在区域；在预计的对象所在区域进行样本数据采集，并将所述样本数据组成Bag集合，所述Bag集合为无标签数据；通过所述Bag集合以及特定模型对在线模型Ht-1进行半监督学习更新，得到第t帧图像的在线模型Ht；根据第t帧图像的在线模型Ht输出跟踪结果。本发明提出的方法及装置可实现减少样本噪声的引入，获得对遮挡健壮的跟踪效果。
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.06 seconds)
