-
公开(公告)号：CN1997163A
公开(公告)日：2007-07-11
申请号：CN200610104989.6
申请日：2006-11-28
Applicant: 西安交通大学
IPC: H04N7/64
Abstract: 本发明针对现有视频错误补偿的顺序恢复方法所存在的恢复效果不理想的问题，提供了一种能显著提高最终视频画面质量的视频传输信号错误的恢复方法，包括以下步骤：首先解码器对视频比特流内容进行解码；然后错误检测单元对照码表来进行错误检测；当检测到有码流出错，则标记这些出错信息；再确定连通区域，得出出错连通区域的数目以及每个连通区域中出错MB的数目；接下来根据每个出错区域中外部边界的参考纹理强度自动确定恢复顺序，并按照置信度计算和加权的方法在参考帧中搜索最佳替换块；最后在视频显示单元中显示恢复后的视频内容。用本发明的方法可最大限度地恢复出错视频，提高最终视频输出单元的画面质量。
-
公开(公告)号：CN111583115B
公开(公告)日：2023-09-05
申请号：CN202010364389.3
申请日：2020-04-30
Applicant: 西安交通大学
IPC: G06T3/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开一种基于深度注意力网络的单幅图像超分辨率重建方法及系统，包括：步骤1：对开源图像训练数据集DIV2K进行预处理，获得训练集；步骤2：建立能够对图像进行超分辨率重建的卷积神经网络；步骤3：将步骤1获得的训练训练集输入步骤2建立的卷积神经网络进行训练，得到超分辨率重建模型；步骤4：将待处理的低分辨率单幅图像输入步骤3获得的超分辨率重建模型，输出单幅图像超分辨率重建图像。利用多个常用测试数据集来对最终训练好的模型进行峰值信噪比和结构相似性的计算，本发明利用深度学习的方法设计的近200层卷积层的网络可以实现和400层左右的网络相当的性能，并且参数量更少，训练更容易，并且超分处理后的图像更加清晰。
-
公开(公告)号：CN115689673A
公开(公告)日：2023-02-03
申请号：CN202211212593.9
申请日：2022-09-29
Applicant: 西安交通大学
IPC: G06Q30/0601 , G06F18/22 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于排序对比损失的推荐方法、系统、介质及设备，对用户的交互记录数据进行预处理得到用户‑项目图G；利用用户‑项目图G，通过深度学习推荐模型pLighGCN得到用户和物品的特征表达eu和ei；计算用户与样本的相似度，根据相似度得到按行排序后的相似度矩阵；基于相似度矩阵挖掘困难样本和潜在正例，利用困难样本和潜在正例改进对比损失得到排序对比损失函数LRcL，利用排序对比损失函数LRCL对深度学习推荐模型pLighGCN进行训练，得到推荐模型用于实现推荐任务。本发明使用基于排序的困难样本挖掘及损失函数加权、潜在正例挖掘及损失函数应用，以及二者的结合形成排序对比损失函数和推荐方法，显著提升了推荐性能。
-
公开(公告)号：CN115578793A
公开(公告)日：2023-01-06
申请号：CN202211386756.5
申请日：2022-11-07
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于可检测性学习的人体姿态检测方法及系统，所述基于可检测性学习的人体姿态检测方法包括以下步骤：获取待人体姿态检测的图像数据；基于所述待人体姿态检测的图像数据，利用预训练好的人体姿态检测模型进行检测，获得每个人体姿态关键点的位置信息以及可检测性信息；将可检测性信息大于等于预设置信阈值的人体姿态关键点进行显示，获得人体姿态检测结果。本发明通过预训练好的模型对人体姿态的关键点位置和可检测性进行检测，可解决遮挡、尺度不确定性、易混淆的姿态、复杂背景的数据的人体姿态检测需求，具有检测精度较高以及可靠性较高的特点。
-
公开(公告)号：CN115471817A
公开(公告)日：2022-12-13
申请号：CN202211165576.4
申请日：2022-09-23
Applicant: 西安交通大学
Abstract: 本发明公开了一种目标重识别方法、系统、设备及介质，所述方法包括以下步骤：将用于重识别的目标图片以及候选库目标图片输入预先训练好的朴素分块重识别模型中进行特征提取，获得目标图片特征向量以及候选库目标图片特征向量；基于目标图片特征向量以及候选库目标图片特征向量计算相似度并排序，获得目标重识别结果；所述朴素分块重识别模型包括编码器和解码器；所述编码器采用第一泳镜网络或第二泳镜网络，所述解码器采用双模式网络。本发明在保证目标重识别精确度性能的同时，在NPU板载中具有较好的前向速度。
-
Patent Agency Ranking
公开(公告)号：CN112085125A
公开(公告)日：2020-12-15
申请号：CN202011052819.4
申请日：2020-09-29
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于线性自学习网络的缺失值填补方法、存储介质及系统，获取没有缺失值的原始时序数据，对原始时序数据进行预处理，以随机概率构造缺失数据集，将新生成的缺失数据集和相对应的原始数据作为新的数据集；构建基于线性自学习网络模型，利用生成的新数据集进行训练；利用训练后的基于线性自学习网络模型，使用反向传播算法进行缺失值填补，将缺失值填补完成后的时间连续完整数据集用于循环神经网络的本质特征与缺失规律的模型训练中，提高下游分类和回归任务性能。本发明利用线性自学习网络能够深度挖掘数据内部及相互关系的特点，能同时提高填充精度和填充效率。
-
公开(公告)号：CN111738088A
公开(公告)日：2020-10-02
申请号：CN202010450217.8
申请日：2020-05-25
Applicant: 西安交通大学
Abstract: 本发明公开一种基于单目摄像头的行人距离预测方法，包括：使用单目摄像头确定行人人头高度-行人摄像头距离模型,并采集视频；标注行人检测及行人距离样本集；建获得卷积神经网络模型；使用训练样本对获得的卷积神经网络模型进行训练，获得行人检测及距离预测模型；将要检测的图片输入训练好的行人检测及距离预测模型中，获得行人的坐标、得分以及距离。本发明充分发挥了深度学习检测方法的优点，保持了高精度和好的鲁棒性，可以在使用成本较低的单目摄像头的情况下，在检测行人的同时较为准确的预测出行人与摄像头的距离,同时本发明在行人距离摄像头较近或者行人有遮挡的情况下不受干扰，仍能正常的预测出行人的距离。
-
公开(公告)号：CN111723673A
公开(公告)日：2020-09-29
申请号：CN202010450189.X
申请日：2020-05-25
Applicant: 西安交通大学
Abstract: 本发明公开一种基于计算机视觉的智能高铁人数统计方法，包括：步骤1、从高铁上下车门处采集乘客上下车的视频，获得数据集；步骤2、对数据集的图片进行标注，获得标注的数据集；步骤3、对标注的数据集中的图片进行筛选，增广，获得标注的人头数据；步骤4、构建神经网络并进行训练，获得训练好的神经网络；步骤5、获取乘客上下车的视频，输入步骤4获得训练好的神经网络；对神经网络检测到有人头的图像进行人头跟踪；根据人头数统计人数，整个输入乘客上下车的视频处理完成后，输出整个视频中的人数。本发明可以有效的对高铁中的人数进行统计，进而分析高铁的运营情况，从而更快的推动高铁的发展。
-
公开(公告)号：CN108428255A
公开(公告)日：2018-08-21
申请号：CN201810138581.3
申请日：2018-02-10
Applicant: 台州智必安科技有限责任公司 , 广东顺德西安交通大学研究院
Abstract: 本发明公开一种基于无人机的实时三维重建方法，包括以下步骤：步骤1，采集场景数据，根据采集的场景数据通过深度传感器得到深度数据，并获取深度图；步骤2，对步骤1得到的深度图进行噪声预处理，噪声预处理包括形态学操作以及滤波操作；步骤3，对步骤2噪声预处理后的深度图进行加速处理，加速处理包括对噪声预处理后的深度图中的二维点进行均匀采样；步骤4，将步骤3加速处理后的深度图转换为点云；步骤5，对步骤4获得的点云进行建模；步骤6，对步骤5获得的结果进行噪声再处理，实现三维重建。本发明能够对场景进行实时三维重建，为无人机的后续智能处理提供可能，有助于推进无人机的应用。
-
公开(公告)号：CN104778272B
公开(公告)日：2018-03-02
申请号：CN201510202266.9
申请日：2015-04-24
Applicant: 西安交通大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于区域挖掘和空间编码的图像位置估计方法，由离线部分和在线部分构成，离线部分包括：提取GPS图像库中图像的全局特征，并对图像聚类；对GPS图像库中的每张图像，进行区域挖掘和BOW位置描述符生成；最后，基于视觉单词，为整个GPS图像库建立一个倒排索引表。在线部分包括：通过全局特征提取、匹配得到输入图像的候选图像集；对输入图像进行与离线部分中的区域挖掘和BOW位置描述符生成步骤相同的操作；利用离线部分中的倒排索引表进行基于区域的图像匹配，最终获得输入图像的GPS位置。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.026 seconds)
