-
公开(公告)号：CN111862212A
公开(公告)日：2020-10-30
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。
-
公开(公告)号：CN111767964A
公开(公告)日：2020-10-13
申请号：CN202010649381.1
申请日：2020-07-08
Applicant: 福州大学
Abstract: 本发明涉及一种基于改进的DenseNet的多通道特征重标记图像分类方法，包括以下步骤：步骤S1:采集训练数据集，并进行预处理，得到预处理后的训练数据集；步骤S2：基于多通道特征重标记密集型连接网络，搭建分类模型；步骤S3:根据训练数据集训练分类模型，并引入训练效果评价指标Acc和F1-Score，对模型训练过程进行实时评价，实时保存训练模型和数据，并根据最终迭代结果画图，得到训练后的分类模型；步骤S4：将待分类数据集输入训练后的分类模型，得到分类结果。本发明有效地提高了图像识别分类检测精度。
-
公开(公告)号：CN111726613A
公开(公告)日：2020-09-29
申请号：CN202010609415.4
申请日：2020-06-30
Applicant: 福州大学
IPC: H04N19/124 , H04N19/154 , H04N19/176 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于最小可觉差的视频编码优化方法，包括以下步骤：步骤S1：对已经压缩过的原始视频数据进行预处理，剔除不具备参考价值的平坦帧；步骤S2：根据预处理后的视频及其初始QP，采用VGG神经网络，以分类任务的形式预测每个视频帧低于JND阈值的最优QP值；步骤S3:根据得到的最优QP值，作为原始视频的新QP值进行重新编码。与原视频相比，本发明能够在在不影响视频感知质量的情况下达到更低的编码比特率。
-
公开(公告)号：CN109819252A
公开(公告)日：2019-05-28
申请号：CN201910214227.9
申请日：2019-03-20
Applicant: 福州大学
IPC: H04N19/124 , H04N19/147 , H04N19/177
Abstract: 本发明涉及一种不依赖GOP结构的量化参数级联方法，首先通过研究编码中帧与帧之间参考比重关系，构建不依赖GOP结构的帧间失真依赖模型；其次，选取适当的参数，使用神经网络获取失真依赖模型的系数；最后，基于编码总体率失真代价最小的原则，利用神经网络输出实现量化参数分配方案，给各个视频帧分配最佳量化参数。本发明能够实现在编码过程不依赖GOP结构的前提下，保证编码的性能。
-
公开(公告)号：CN108200426A
公开(公告)日：2018-06-22
申请号：CN201810101216.5
申请日：2018-02-01
Applicant: 福州大学
IPC: H04N17/00 , H04N21/43 , H04N21/433
CPC classification number: H04N17/00 , H04N21/4307 , H04N21/433
Abstract: 本发明涉及一种综合同步误差和缓冲时间与主观质量的关系模型建立方法。模拟了音频和视频同步、音频和字幕同步以及视频缓冲时间，构建主观感知意见分和同步误差以及缓冲时间的数学模型；首次综合了音频和视频同步误差、音频和字幕同步误差以及视频缓冲时间到一个视频当中；根据构建的模型传输不同内容的视频，达到了提高用户体验的目的；主观评价，采用的是ITU-T P.910中定义的绝对等级评分法ACR-SS，测试环境严格按照标准中给出的进行布置，组织了多名观测者进行主观评价，并对评价结果进行处理，得到平均主观意见分。对评价的结果进行验证，保证了实验结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN107707913A
公开(公告)日：2018-02-16
申请号：CN201710909152.7
申请日：2017-09-29
Applicant: 福州大学
IPC: H04N19/105 , H04N19/147
Abstract: 本发明提供一种快速视频编码中防帧内误差传递方法，用于解决快速编码中帧内CU的误差传递问题。首先，本发明研究快速编码视频中帧内不同区域CU的不确定性问题。其次，基于CU预测的不确定性，推导出它对总体编码质量的影响关系。最后，通过各区域的误差传递系数，对原始CU分配的半径进行调整，以在基本不增加编码时间的条件下，降低率编码失真代价，提高编码质量。
-
公开(公告)号：CN114936983B
公开(公告)日：2025-02-07
申请号：CN202210680325.3
申请日：2022-06-16
Applicant: 福州大学
IPC: G06T5/00 , G06V20/05 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/34 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于深度级联残差网络的水下图像增强方法及系统，该方法包括：S1：构建深度级联残差网络；按比例构建训练集和测试集；S2：将输入图像分块，然后分别输入到深度级联残差网络的三个级联子网中，让网络进行前向传播获得训练后网络输出的清晰图像；S3：计算输出图像相较于目标图像的损失值，根据损失值进行误差反向传播以更新网络权重；S4：判断深度级联残差网络是否训练完毕，是则挑选出网络的最佳模型；S5：将测试集输入最佳模型进行测试，判断最佳模型是否达到预期；S6：将水下退化图像输入通过测试的深度级联残差网络，获得增强后的水下图像。该方法及系统有利于纠正水下图像的颜色偏差，提高对比度和清晰度，提高整体视觉效果。
-
公开(公告)号：CN119383349A
公开(公告)日：2025-01-28
申请号：CN202411501001.4
申请日：2024-10-25
Applicant: 福州大学
IPC: H04N19/172 , H04N19/176 , H04N19/20 , H04N19/182
Abstract: 本发明提供一种高效视频编码中的压缩效应感知与评价方法及系统，构建结合注意力学习和数据重加权的深度压缩效应感知模型，将每类压缩效应的正负样本输入网络中，分别训练得到相应的压缩效应的感知模型；基于训练获得的压缩效应感知模型，并考虑视觉显著性和视觉中心凹效应的影响，计算视频压缩效应强度值；通过主观测试，计算视频的平均主观得分，以建立视频压缩效应强度值与视频平均主观质量分数的映射关系，实现面向压缩效应感知的视频质量评价。
-
公开(公告)号：CN119228919A
公开(公告)日：2024-12-31
申请号：CN202411464680.2
申请日：2024-10-21
Applicant: 福州大学
IPC: G06T9/00 , G06V10/40 , G06V10/74 , G06V10/764 , G16H30/20
Abstract: 本发明提供一种海量医学影像冷数据联合压缩方法，通过特征提取网络对大规模医学图像进行细粒度的特征提取，由此建立医学影像的特征数据库，并将提取的图像特征按分类存储；再对待压缩的医学影像使用所述特征提取网络，提取特征并进行相似性匹配；然后基于图像亮度，对参考图像和待压缩图像的切片进行排序，以优化压缩顺序；最后，根据参考图像，辅助当前图像的有损编码，再根据原始图像，辅助当前图像的无损编码。
-
公开(公告)号：CN116486245A
公开(公告)日：2023-07-25
申请号：CN202310396890.1
申请日：2023-04-14
Applicant: 福州大学
Abstract: 本发明涉及一种基于层级特征融合的水下图像质量评价方法。包括：S1、提出一种水下图像的全层次特征提取方法；S2、提出一种多特征融合方案，构建一种基于全层次特征的质量评价方法。本发明方法考虑水下图像具有任务导向的背景，即水下目标检测和识别，结合人脑视觉识别原理，提取了水下图像的层级特征，并使用几个参数密度模型有效捕获失真，综合提出一种无参考的水下图像评价方法。此方法不需要大量数据进行训练，使得决策过程更加简单。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.017 seconds)
