图像数据处理、模型的建立方法、装置、计算机设备和存储介质

    公开(公告)号:CN109711422A

    公开(公告)日:2019-05-03

    申请号:CN201711015902.2

    申请日:2017-10-26

    Abstract: 本发明涉及一种图像数据处理方法、装置、计算机设备和存储介质,所述方法包括:获取待处理图像,将所述待处理图像输入已训练的图像哈希码提取模型,所述图像哈希码提取模型包括卷积神经网络,所述卷积神经网络包括嵌入卷积层之后的哈希映射层;所述图像哈希码提取模型的参数由图像分类模型训练得到,所述图像分类模型包括所述卷积神经网络,并在所述哈希映射层之后连接分类输出层;获取所述图像哈希码提取模型输出的所述待处理图像对应的哈希码,可以直接从图像中学习出更加鲁棒、紧凑,区分力更强的图像哈希码,还提出一种图像哈希码提取模型的建立方法、装置、计算机设备和存储介质。

    一种监控系统间通信方法
    62.
    发明公开

    公开(公告)号:CN109348175A

    公开(公告)日:2019-02-15

    申请号:CN201811252707.6

    申请日:2018-10-25

    Abstract: 本发明实施例提供了一种监控系统间通信方法,方法包括:第一监控系统向第一信令路由网关SRG1发送针对第二监控系统的通信请求;第一信令路由网关SRG1基于第一监控系统的网络传输协议,将通信请求发送至第二信令路由网关SRG2;第二信令路由网关SRG2基于第二监控系统的网络传输协议,转换通信请求的网络传输协议,得到转换后的通信请求;将转换后的通信请求发送至第二监控系统;第二监控系统处理转换后的通信请求。可见,尽管第一监控子系统和第二监控子系统的传输协议不同,也可以建立通信连接,从而进行数据共享。

    异构集群中视频任务并行化方法、装置及异构集群系统

    公开(公告)号:CN109101339A

    公开(公告)日:2018-12-28

    申请号:CN201810931427.1

    申请日:2018-08-15

    CPC classification number: G06F9/5038 G06F9/5016 G06T1/20

    Abstract: 本发明实施例提供了一种异构集群中视频任务并行化方法、装置及异构集群系统,所述方法应用于异构集群中的集群调度器,所述异构集群还包括多个节点,所述方法包括:获取任务缓存队列中每个视频任务的特征参数和每个节点的特征参数;将所述每个视频任务的特征参数和每个节点的特征参数输入预先训练的第一深度Q网络DQN,按照每个视频任务的等候时长的长短顺序,依次确定出所述每个视频任务对应的节点;针对每一视频任务,将该视频任务调度至该视频任务对应的节点,以使该节点对该视频任务包括的多个子任务进行并行化处理。本发明实施例可以提高异构集群在处理视频任务时的数据吞吐量,并减少视频任务的处理时间。

    一种微服务路径选择方法及装置

    公开(公告)号:CN108768716A

    公开(公告)日:2018-11-06

    申请号:CN201810496770.8

    申请日:2018-05-22

    Abstract: 本发明实施例提供了一种微服务路径选择方法及装置,应用于视频云平台技术领域,所述方法包括:获取视频任务对应的子任务,将每个子任务作为一个分层;根据所有分层中的节点建立带权有向图,通过最短路径算法确定带权有向图的最优服务路径,得到第一分层中的筛选节点;在按照分层序号依次对第一分层之后的每一分层进行节点筛选时,通过预设的路径搜索空间缩减原则对该分层及该分层之后的每一分层中的节点进行筛选,根据筛选后的节点,重新建立带权有向图,确定重新建立的带权有向图的最优服务路径,得到该分层中的筛选节点;将所有分层的筛选节点所形成的路径作为视频任务的最优服务路径。本发明可提高对视频任务的执行效率。

    一种车牌识别方法和装置
    65.
    发明公开

    公开(公告)号:CN108537226A

    公开(公告)日:2018-09-14

    申请号:CN201810182391.1

    申请日:2018-03-06

    Abstract: 本发明公开了一种车牌识别方法和装置,所述方法包括:获取车牌图片,通过多层卷积神经网络对所述车牌图片进行特征计算,获得特征图;所述特征图的高度为偶数;以所述特征图高度的中心线为分割线对所述特征图进行分割,获得上部分特征图和下部分特征图;将所述上部分特征图和下部分特征图按从左至右的时序进行数据重排,获得重排特征图;通过长短时记忆网络对所述重排特征图进行预测处理,获得车牌识别结果。本发明通过多层卷积神经网络进行特征计算,充分利用卷积循环神经网络的优点,防止过拟合,具有训练速度快,准确率高的特点;通过对双排车牌特征图进行数据重组,实现准确高效的双排车牌识别。

    一种视差调整方法及装置
    66.
    发明授权

    公开(公告)号:CN106375749B

    公开(公告)日:2018-06-29

    申请号:CN201610818141.3

    申请日:2016-09-12

    Abstract: 本发明公开了一种视差调整方法及装置,可以获得待调整图像;确定虚拟立体摄像机组的立体参数值;确定待调整图像中每一像素点基于中心虚拟立体摄像机的场景深度值;针对待调整图像中每一像素点,根据立体参数值和该像素点对应的场景深度值计算该像素点对应的视差;根据待调整图像中每一像素点对应的视差绘制视差梯度图;根据视差梯度图调整待调整图像的视差。应用本发明,由于能够将待调整图像的视差通过视差梯度图直观地呈现出来,使得对待调整图像的立体效果的评估更为准确,因此,可以根据评估结果在前期调整环节就将待调整图像的视差调整在合理范围内,进而大幅提高了S3D动画制作的效率。

    一种基于生成对抗网络的车牌清晰化方法及装置

    公开(公告)号:CN107590774A

    公开(公告)日:2018-01-16

    申请号:CN201710841064.8

    申请日:2017-09-18

    Inventor: 刘武 马华东

    Abstract: 本发明实施例提供了一种基于生成对抗网络的车牌清晰化方法及装置,包括:将目标车牌图像输入至生成网络,生成网络由样本车牌图像训练得到,用于将低分辨率的车牌图像进行清晰化处理,并生成符合车牌标准的高分辨率的车牌图像,其中,样本车牌图像为符合车牌标准的车牌图像;基于生成网络,对目标车牌图像进行清晰化处理;输出符合车牌标准的清晰车牌图像。通过本发明实施例提供的技术方案,利用样本车牌图像所训练的生成网络对模糊车牌图像进行清晰化处理,所得到的清晰车牌图像是符合国家统一的车牌标准的,这样,不仅提高了车牌图像的清晰度,同时符合国家统一的车牌标准,进而可以更准确地对车牌进行识别。

    一种基于图像信息检测的天气识别方法及装置

    公开(公告)号:CN104834912B

    公开(公告)日:2017-12-22

    申请号:CN201510247015.2

    申请日:2015-05-14

    CPC classification number: G01W1/00 G06K9/00664 G06K9/4642 G06K9/6269

    Abstract: 本发明实施例公开了一种基于图像信息检测的天气识别方法及装置,包括:获得待检测图像;按照针对不同预设类型的天气对应预设的多个第一预设算法,提取待检测图像针对各个预设类型的天气的多种第一图像特征;将提取出的多种第一图像特征,输入预设的多核分类器,识别待检测图像的拍摄天气;多核分类器为:针对拍摄天气为不同预设类型的天气,分别选取第一预设数量个图像样本,针对每种预设类型的天气的图像样本,按照预设类型的天气对应的第一预设算法提取各个图像样本的第一图像特征,根据预设的多核学习算法对所提取的第一图像特征进行机器学习得到的针对预设类型的天气的分类器。应用本发明实施例提供的方案,能够识别出待检测图像的拍摄天气。

    一种基于混合存储的计算系统中的数据迁移方法及装置

    公开(公告)号:CN107391031A

    公开(公告)日:2017-11-24

    申请号:CN201710501299.2

    申请日:2017-06-27

    Abstract: 本发明实施例提供了一种基于混合存储的计算系统中的数据迁移方法及装置,应用于配置有存储设备的计算节点,所述配置有存储设备的计算节点包括硬盘驱动器HDD和固态驱动器SSD,方法包括:在HDD存储的视频任务中,确定待迁移任务,其中,SSD的剩余存储空间大于处理待迁移任务时所需的存储空间,待迁移任务包括至少一个待迁移数据块;判断待迁移任务的预设的迁移时长是否小于预设的迁移时长阈值;若为是,将待迁移任务从HDD迁移至SSD,使待迁移任务存储在SSD中。应用本发明实施例能够实现配置有存储设备的计算节点的负载均衡。

    一种图像中雨雾同步合成、去除的方法和装置

    公开(公告)号:CN107316286A

    公开(公告)日:2017-11-03

    申请号:CN201710549424.7

    申请日:2017-07-07

    Inventor: 马华东 刘武 张佂

    Abstract: 本发明实施例提供了一种图像中雨雾同步合成、去除的方法和装置,合成方法为:选取任一幅不带雨雾的真实图像作参考图像;将参考图像经过有雨图像模型RRM进行融合,合成接近真实场景的有雨雾图像;去除方法为:选取多张合成有雨雾的图像作为训练集;对全卷积神经网络进行训练,获得训练后的全卷积神经网络;获取拍摄的真实有雨图像,将拍摄的真实有雨图像输入训练后的全卷积神经网络,输出去除雨后的图像。该方法实现了图像中雨雾同步合成和去除的问题。

Patent Agency Ranking