-
公开(公告)号：CN112714322B
公开(公告)日：2023-08-01
申请号：CN202011575272.6
申请日：2020-12-28
Applicant: 福州大学
Abstract: 本发明涉及一种面向游戏视频的帧间参考优化方法，包括以下步骤:步骤S1：构建背景建模分类模型，背景检测匹配模型；步骤S2:在编码器预测编码前预测其背景是否已建模并检测匹配出相似建模背景；步骤S3：在预测编码时，利用匹配出的相似建模背景进行帧间编码的参考帧优化；步骤S4：预测编码结束后，获取当前帧的编码信息，作为后续帧预测是否需要优化的输入，并输出编码帧；步骤S5：更新背景建模与分类模型，预测该背景是否可能复现，若为可能复现的帧则进行更新建模、分类；步骤S6：对每一帧的编码都重复步骤S2‑S5直至所有帧编码结束；步骤S7：将所有编码帧输出为完整的视频码流。本发明利用游戏视频的复现性质对编码码率进行压缩，改善编码的性能。
-
公开(公告)号：CN111757129B
公开(公告)日：2023-07-07
申请号：CN202010645425.3
申请日：2020-07-07
Applicant: 福州大学
IPC: H04N19/96 , H04N19/124 , H04N19/176
Abstract: 本发明涉及一种面向VVC的快速帧内预测方法，包括以下步骤：步骤S1：构建HAD代价预测模型，预测每种预测模式的HAD代价，按从小到大的排序，并选择前若干个HAD代价的模式初始化CU候选模式列表；步骤S2:通过统计分析候选模式成为最佳模式的概率，优化CU候选模式列表；步骤S3:基于贝叶斯定理，在每个CU深度级别执行CU划分的提前终止，进一步进行VVC的下一步编码流程，从而加快编码时间。本发明实现在保证视频质量的前提下，有效地加快了视频的编码时间。
-
公开(公告)号：CN115861880A
公开(公告)日：2023-03-28
申请号：CN202211496526.4
申请日：2022-11-27
Applicant: 福州大学
IPC: G06V20/40 , H04N7/18 , H04N5/262 , G06V10/25 , G06V10/54 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及了一种基于半监督学习的轻量级监控视频去雨方法。首先，对监控场景进行分析，确定所需处理视频流的分辨率和帧率，确定算法运行的频率，获取参考背景帧信息；其次，采用门控卷积模块GCB提取并融合当前视频帧的雨纹特征和历史背景特征，得到雨纹分布和背景特征的融合输入特征；再次，采用递归残差网络RRN进行多层级处理MTP和递归密集学习RDL，通过跨不同级联块的参数共享降低参数量和提升去雨效果；最后，利用训练模型预测出的结果与原始未去雨的视频帧进行对比，判断任务中目标的完成情况。本发明方法较采用其他监控视频去雨方法相比在准确率性能上表现最好，并且处理速度达到针对不同运行环境的实时要求，优势明显。
-
公开(公告)号：CN114979645A
公开(公告)日：2022-08-30
申请号：CN202210569675.2
申请日：2022-05-24
Applicant: 福州大学
IPC: H04N19/146 , H04N19/70 , G06N3/08
Abstract: 本发明提供了一种面向E‑Paper显示器的视频编解码方法。首先，根据黑白E‑Paper的显示原理，对视频的编码过程中解耦色度通道，降低编码复杂度和传输码流；其次，视频播放时不仅存在编码失真，还存在由于E‑Paper响应时间问题导致的显示失真，故通过辅助设备采集E‑Paper显示设备上的视频内容，并基于深度学习网络学习解码后视频帧与显示图像间的映射关系。最后，将解码生成视频内容通过深度学习习得的模型生成考虑显示失真的预处理视频帧，进而提升观感质量。本发明有效地解决视频编码复杂度，传输负载以及E‑Paper显示器的视频观感质量问题。
-
公开(公告)号：CN111862212B
公开(公告)日：2022-06-14
申请号：CN202010734926.9
申请日：2020-07-28
Applicant: 福州大学
Abstract: 本发明涉及一种基于图正则化多视图特征嵌入的多类目标协同定位方法，首先采用基于图正则化多视图嵌入的方法对每幅输入图像的协同显著图进行融合，以获取加入正则化项的融合显著图；然后利用学习到的前景先验知识，采用GrabCut算法对融合显著图进行粗分割；最后通过图的连通性对分割进行细化，以获取目标协同定位结果。本发明能够提高多类目标定位的精度。
-
Patent Agency Ranking
公开(公告)号：CN111711815B
公开(公告)日：2021-09-28
申请号：CN202010618890.8
申请日：2020-06-30
Applicant: 福州大学
IPC: H04N19/124 , H04N19/593 , G06N3/04 , G06N20/20
Abstract: 本发明涉及一种基于集成学习和概率模型的快速VVC帧内预测方法，包括以下步骤：步骤S1：基于集成学习并利用视频序列的时空域相关性，预测得到不同编码单元的深度信息；步骤S2:使用时空域相邻已编码CU的划分模式对未编码CU的划分模式进行预测,并按概率大小排序得到划分模式排序表；步骤S3:根据得到的不同编码单元的深度信息和划分模式排序表，提前终止CU的划分。本发明在保证视频质量的前提下，有效地节省了视频编码时间，用于目前主流的高清、超高清视频编码时，优势更加明显。
-
公开(公告)号：CN112865855A
公开(公告)日：2021-05-28
申请号：CN202110005062.1
申请日：2021-01-04
Applicant: 福州大学
Abstract: 本发明提出一种基于无人机中继的高效无线隐蔽传输方法，无人机以全双工模式工作，作为向地面K个传输节点发送数据的数据发送器；在一个时隙内，至多有一个传输节点被指定进行数据传输；所述无人机配备两根发射天线，其中一根天线用于数据发送，另一根天线用于产生人工噪声；通过逐次凸优化技术，联合优化传输节点唤醒时间表和无人机的飞行轨迹，以及受实际约束的用户调度策略，以确保传输节点用满足可靠传输的最小能耗来接收无人机的数据，同时确保无人机向每个指定传输节点隐蔽地发送信息。其可以显著地节省无线传感节点的能耗，并且被非指定节点检测到的概率大大降低。
-
公开(公告)号：CN112714322A
公开(公告)日：2021-04-27
申请号：CN202011575272.6
申请日：2020-12-28
Applicant: 福州大学
Abstract: 本发明涉及一种面向游戏视频的帧间参考优化方法，包括以下步骤:步骤S1：构建背景建模分类模型，背景检测匹配模型；步骤S2:在编码器预测编码前预测其背景是否已建模并检测匹配出相似建模背景；步骤S3：在预测编码时，利用匹配出的相似建模背景进行帧间编码的参考帧优化；步骤S4：预测编码结束后，获取当前帧的编码信息，作为后续帧预测是否需要优化的输入，并输出编码帧；步骤S5：更新背景建模与分类模型，预测该背景是否可能复现，若为可能复现的帧则进行更新建模、分类；步骤S6：对每一帧的编码都重复步骤S2‑S5直至所有帧编码结束；步骤S7：将所有编码帧输出为完整的视频码流。本发明利用游戏视频的复现性质对编码码率进行压缩，改善编码的性能。
-
公开(公告)号：CN112541926A
公开(公告)日：2021-03-23
申请号：CN202011489941.8
申请日：2020-12-15
Applicant: 福州大学
Abstract: 本发明涉及一种基于改进FCN和DenseNet的歧义像素优化分割方法，包括以下步骤：步骤S1：选取分割数据集，完成分割数据集的预处理，然后进一步完成分割数据集到分类数据集的转换制作；步骤S2：提出了一种新的语义分割网络Atrous‑ResFCN‑8s/16s/32s，并且将两个不同层次的Atrous‑ResFCN网络结合起来，用于确定语义分割的歧义像素；步骤S3：提出了一种新的图像分类网络MFR‑DenseNet，用于优化判断确定的歧义像素；将优化判断的歧义像素进行逐像素的比对还原，实现最终的分割结果。本发明有效地提高了图像分割分类精度，具有非常广泛的应用前景。
-
公开(公告)号：CN111966226A
公开(公告)日：2020-11-20
申请号：CN202010917408.0
申请日：2020-09-03
Applicant: 福州大学
Abstract: 本发明涉及一种基于补偿型长短期记忆网络的触感通信容错方法及系统，根据触感数据特性，设计了补偿型LSTM数据预测模型，在接收数据时，利用该补偿型LSTM模型对通信过程中丢失的或者被压缩去掉的数据进行预测重构，恢复原序列。本发明通过加入补偿门对输出值进行补偿，进一步降低预测误差，提高触感通信系统稳定性。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.022 seconds)
