-
公开(公告)号：CN113747163A
公开(公告)日：2021-12-03
申请号：CN202110940403.4
申请日：2021-08-17
Applicant: 上海交通大学
IPC: H04N19/147 , H04N19/189 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于上下文重组建模的图像编码、解码方法及压缩方法，其中，采用第一卷积神经网络生成图像的多通道特征图，作为第一特征图；对第一特征图按照通道间相似性分组，重新排列特征通道，输出重组的多通道特征图，作为第二特征图，输出通道索引二进制码流；将第二特征图量化为整数；根据量化后的第二特征图，提取超先验信息，获取超先验信息二进制码流；生成重构超先验信息，利用重构的超先验信息及量化后的第二特征图的上下文信息，获得特征图二进制码流；合并上述三种码流，得到压缩图像二进制码流。本发明可更高效地利用特征图中通道的相关性，通过控制通道分组的组别数在可降低性能的条件下提高编解码效率。
-
公开(公告)号：CN110719473B
公开(公告)日：2021-11-23
申请号：CN201910827214.9
申请日：2019-09-03
Applicant: 上海交通大学
IPC: H04N19/132 , H04N19/30 , H04N19/42 , H04N19/85
Abstract: 本发明提供了一种基于结构化稀疏的可伸缩压缩视频采集与重构系统，包括：结构化稀疏学习模块、信号分解模块，可伸缩传感模块和可伸缩重构模块，其中，所述结构化稀疏学习模块在编码端和解码端利用数据驱动子空间联合模型以及分层子空间学习生成稀疏基矩阵。本发明提供的可伸缩压缩采样契合了视频采样过程的分布式渐进式的结构，对结构化稀疏基矩阵的渐进构造也提升了重构的精确度和效率，提高了视频信号的可伸缩采样效率，在不同的采样压缩率下相比其他方法取得了重构增益，同时也具备良好的可扩展性。
-
公开(公告)号：CN113256657A
公开(公告)日：2021-08-13
申请号：CN202110617162.X
申请日：2021-06-03
Applicant: 上海交通大学烟台信息技术研究院
Abstract: 本发明提供一种高效医学图像分割方法及系统、终端、介质，包括：获取医学图像训练集，训练第一分割网络，用于医学图像预分割，得到分割特征图；优化所述第一分割网络的网络参数和所述分割特征图，获得第二分割网络；基于医学图像训练集迭代更新所述第二分割网络的网络参数至收敛，得到最终医学图像分割网络；将医学图像输入所述最终医学图像分割网络，得到分割结果。本发明由于网络参数和分割特征图均为精度低，计算简单，可以快速给出的医学图像分割结果，适合应用在各类医学设备上辅助诊断。
-
公开(公告)号：CN112926570A
公开(公告)日：2021-06-08
申请号：CN202110323738.1
申请日：2021-03-26
Applicant: 上海交通大学
Abstract: 本发明公开了一种自适应比特网络量化方法、系统及图像处理方法，包括：获取全精度网络模型；获取所应用的分类任务下的测试数据集，并在测试数据集测试全精度网络模型的分类结果；使用量化函数对全精度网络模型的参数进行量化，并计算不同参数在待选比特位宽条件下量化前后的标准误差；估计不同参数的量化对网络性能的影响，获得当前参数的重要性；求解目标压缩率下具有最高准确度的比特位宽分配策略；将网络按照比特位宽分配策略进行量化，得到最终网络，用于图像分类和目标检测。本发明可以快速给出不同压缩率要求下网络参数的比特位宽和量化模型，同时保证较高的分类准确度，保证了量化方法的通用性。
-
公开(公告)号：CN112741651A
公开(公告)日：2021-05-04
申请号：CN202011585174.0
申请日：2020-12-25
Applicant: 上海交通大学烟台信息技术研究院
IPC: A61B8/08
Abstract: 本发明提供一种内窥镜超声影像的处理方法及系统，所述方法包括：获取CP‑EBUS成像技术中三个模式的超声影像，其中，三个模式是指弹性模式E、灰阶模式B和多普勒血流模式F；采用多模态神经网络对三个模式的所述超声影像进行分类，得到识别淋巴结的处理结果。本发明使用CP‑EBUS成像技术中三个模式的图像数据，通过多模态神经网络对这些图像进行处理，能够更为准确的识别超声影像的淋巴结，从而有助于提升淋巴结诊断的准确率。
-
Patent Agency Ranking
公开(公告)号：CN111640069A
公开(公告)日：2020-09-08
申请号：CN202010303504.6
申请日：2020-04-17
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于光感知网络和相位补偿的压缩成像方法、系统和装置，所述方法包括：在空域或者频域中，构建单个或多个并行或串联的光学参数调控层进行图像或视频的采样，获得光强的测量值；对所述光强的测量值进行相位信息补偿，利用复数神经网络从相位补偿后的测量值中重构出原始图像或视频。本发明利用相位补偿的复数神经网络提升信号重构的精确度和效率的同时，光学参数调控层可以通过光学器件或技术进行物理实现；可以避免采样时的模式翻转，大大节省了采样时间；可以实现图像或视频的实时采样与重建，具备良好的可扩展性。
-
公开(公告)号：CN110719473A
公开(公告)日：2020-01-21
申请号：CN201910827214.9
申请日：2019-09-03
Applicant: 上海交通大学
IPC: H04N19/132 , H04N19/30 , H04N19/42 , H04N19/85
Abstract: 本发明提供了一种基于结构化稀疏的可伸缩压缩视频采集与重构系统，包括：结构化稀疏学习模块、信号分解模块，可伸缩传感模块和可伸缩重构模块，其中，所述结构化稀疏学习模块在编码端和解码端利用数据驱动子空间联合模型以及分层子空间学习生成稀疏基矩阵。本发明提供的可伸缩压缩采样契合了视频采样过程的分布式渐进式的结构，对结构化稀疏基矩阵的渐进构造也提升了重构的精确度和效率，提高了视频信号的可伸缩采样效率，在不同的采样压缩率下相比其他方法取得了重构增益，同时也具备良好的可扩展性。
-
公开(公告)号：CN110620927A
公开(公告)日：2019-12-27
申请号：CN201910826964.4
申请日：2019-09-03
Applicant: 上海交通大学
IPC: H04N19/30 , H04N19/132 , H04N19/42 , H04N19/85
Abstract: 本发明提供了一种基于结构化稀疏的可伸缩压缩视频张量信号采集与重构系统，包括：张量基构造模块、张量分解模块、可伸缩传感模块和可伸缩重构模块，其中，所述张量基构造模块对视频信号的关键帧块利用数据驱动张量子空间联合模型以及分层张量子空间学习生成稀疏基矩阵。本发明提供的可伸缩压缩张量采样契合了视频采样过程的分布式渐进式的结构，对结构化稀疏基矩阵的渐进构造也提升了重构的精确度和效率，从而提高了视频信号的可伸缩采样效率，在不同的采样压缩率下相比其他方法取得了重构增益，同时也具备良好的可扩展性。
-
公开(公告)号：CN113936173B
公开(公告)日：2025-03-28
申请号：CN202111170350.9
申请日：2021-10-08
Applicant: 上海交通大学
IPC: G06V10/764 , G06V10/82 , G06N3/042 , G06N3/0475 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种最大化互信息的图像分类方法、设备、介质及系统，包括：采集训练图像；最大化训练图像和神经网络结构的互信息，自动确定神经网络的网络结构和参数；采用得到的所述神经网络对待分类的图像数据进行处理，得到图像分类结果。本发明基于给定图像数据，通过最大化互信息方式，自动设计确定神经网络的网络结构和参数，用于图像分类，无需繁杂的人工设计，节省人力资源和计算资源消耗。本发明能在极短的时间内，自动设计得到基于神经网络的图像分类方法，同时能实现较高的图像分类准确率。
-
公开(公告)号：CN119324887A
公开(公告)日：2025-01-17
申请号：CN202411419583.1
申请日：2024-10-12
Applicant: 上海交通大学
Abstract: 本发明提供一种通信网络拓扑规划问题生成式求解方法和系统，包括：将网络规划问题实例参数建模为网络规划图信号X；并建立网络拓扑解#imgabs0#与图邻接矩阵之间的转换关系；将获得的网络规划信号X输入到基于图扩散生成模型的通信网络规划问题求解器，结合所述转换关系，获得网络规划问题的最优解C★。本发明是一种新型的生成式采样求解方案，能以低计算复杂度一次获取多个高质量网络拓扑可行解，有效提升网络规划问题求解效率。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.023 seconds)
