-
公开(公告)号：CN114584780A
公开(公告)日：2022-06-03
申请号：CN202210203902.X
申请日：2022-03-03
Applicant: 上海交通大学
IPC: H04N19/19 , H04N19/192 , H04N19/147 , H04N19/146 , G06T9/00 , G06N3/08 , G06N3/04 , G06F17/18
Abstract: 本发明公开一种基于深度高斯过程回归的图像编码方法，包括：采用编码卷积神经网络得到待编码图像的瓶颈层多通道特征，作为第一特征图；将第一特征图中的每个特征量化为整数，得到第二特征图；基于深度高斯过程回归的自回归模型和超先验模型，对第二特征图的每一个通道，加权组合多个高斯分布的混合高斯分布编码特征，生成特征二进制码流；将超先验模型得到的超先验信息编码为超先验二进制码流；合并超先验二进制码流与特征二进制码流，得到压缩图像的二进制码流。采用非参数化的深度高斯过程回归方法进行自回归建模，将深度高斯过程回归输出的后验分布作为混合高斯模型的均值，可以灵活地获得均值估计的不确定性，从而得到更准确的均值估计。
-
公开(公告)号：CN113810693A
公开(公告)日：2021-12-17
申请号：CN202111018763.5
申请日：2021-09-01
Applicant: 上海交通大学
IPC: H04N19/124 , H04N19/186 , H04N19/625 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种JPEG图像无损压缩和解压缩方法、系统与装置，包括：将JPEG图像部分解码，得到亮度和色度的DCT系数和量化表，进行缓存；将所述DCT系数按照对应频带排序，将排序后的DCT系数划分为若干个频率组；对所述频率组，逐个采用卷积神经网络从所属频带的DCT系数提取上下文；根据所述上下文，预测所述DCT系数的概率分布，进行算术编码，得到二进制码流。本发明在仅对JPEG图像部分解码的前提下，提高JPEG图像的压缩率，且不改变图像中的任何内容。本发明能兼容当前广泛使用的JPEG图像编码格式。
-
公开(公告)号：CN113674403A
公开(公告)日：2021-11-19
申请号：CN202110986829.3
申请日：2021-08-26
Applicant: 上海交通大学
Abstract: 本发明提供了一种三维点云上采样方法、系统与装置，包括：将三维点云划分为能覆盖所有点的固定点数可重叠点云块；根据点云块中点坐标提取层次化特征；利用多尺度热核图卷积对提取的所述层次化特征实现点集特征扩展；从所述扩展特征重建上采样的三维点云中点坐标。本发明能够对空间稀疏非均匀分布的三维点云进行不同精细粒度的细节信息增强，同时对潜在的噪声扰动与局部形变具备良好的稳定性。与现有方法相比，能够促进上采样稠密点云空间分布的均匀性，保证了对于目标物体几何结构的精确表示，获得性能提升。
-
公开(公告)号：CN113674172A
公开(公告)日：2021-11-19
申请号：CN202110940469.3
申请日：2021-08-17
Applicant: 上海交通大学
Abstract: 本发明提供了一种图像处理方法、系统、装置及存储介质，用于图像稀疏重构、图像去噪、压缩感知图像重构或图像复原，包括：在稀疏信号的一范数正则约束下建立一般性的线性优化逆问题；在标准的或学习的迭代软阈值收缩算法基础上，建立基于凸组合的可微分深度网络模型求解该问题；在求解步骤中引入任意结构的深度神经网络加速求解步骤，减少算法达到收敛所需的迭代次数。本发明将传统迭代优化算法和任意结构的深度神经网络结合，提高图像重构性能，并保证快速收敛，满足图像稀疏重构的当前需求。
-
公开(公告)号：CN111860495A
公开(公告)日：2020-10-30
申请号：CN202010568944.4
申请日：2020-06-19
Applicant: 上海交通大学
Abstract: 本发明提供一种层级化网络结构搜索方法、设备及可读存储介质，包括：S1，构建超网络；S2，获取图像数据并分别作为超网络的网络参数、结构参数的训练数据；S3，生成特征图，计算网络参数的交叉熵损失函数，更新超网络的网络参数；S4，生成特征图和KL散度损失函数，计算结构参数的交叉熵损失函数，得到半隐含变分丢弃损失函数，训练更新超网络的结构参数并得到丢弃概率；S5，利用丢弃概率更新基本单元，更新退火参数；重复S3～S5，更新网络参数和结构参数；S6，得到最终网络。本发明在保证较高的性能同时大幅度减少搜索时间和降低计算复杂度，保证了搜索的稳定性和实用性，可用于图像目标检测、分类等领域，提高图像处理速度。
-
Patent Agency Ranking
公开(公告)号：CN111738086A
公开(公告)日：2020-10-02
申请号：CN202010442397.5
申请日：2020-05-22
Applicant: 上海交通大学
Abstract: 本发明公开了一种用于点云分割的构图方法、系统及点云分割系统、装置，该方法包括：在点云数据中选择一个中心采样点信号，计算与其它采样点信号之间的整体相似度，以此排序得到邻居序列，并计算基准值；捕捉基准值代表的点云数据的数字特征，计算得到阈值；根据基准值及阈值来计算逐维度相似度，捕捉整体相似度无法衡量的信号突变结构信息；融合整体相似度与逐维度相似度，得到融合相似度并排序，选取融合相似度最高的K个点，作为中心点最近邻的K个邻居进行构图。该分割系统包括：图卷积神经网络的构建单元、图卷积神经网络的训练单元及点云数据分割单元。通过本发明，可以节约工作量和时间，并且能显著提高物体连接处点的分类准确率。
-
公开(公告)号：CN111477290A
公开(公告)日：2020-07-31
申请号：CN202010151109.0
申请日：2020-03-05
Applicant: 上海交通大学
Abstract: 本发明提供一种保护用户隐私的联邦学习和图像分类方法、系统及终端，联邦学习方法包括：采集各终端上用户行为产生的数据，保存于该本地终端；服务器发送一个统一的模型给各终端，各终端利用采集到的所述数据训练所述模型；将各终端训练后的所述模型上传到所述服务器，所述服务器对所述模型先在不同终端之间进行交换后再全局聚合，或者，所述服务器对所述模型先进行部分聚合后再在不同终端之间交换，最后进行全局聚合。网络系统包括：本地训练模块、模型通信模块、模型交换模块、模型聚合模块。本发明对各终端数据分布不相同的联邦学习场景能得到比传统方法更好的效果，且保证了整个系统的隐私保护能力，使其能适应各种应用场景。
-
公开(公告)号：CN110248212B
公开(公告)日：2020-06-02
申请号：CN201910445463.1
申请日：2019-05-27
Applicant: 上海交通大学
IPC: H04N21/238 , H04N21/258 , H04N21/262 , H04N21/442 , H04N21/81 , H04N21/845
Abstract: 本发明提供了一种多用户360度视频流服务器端码率自适应传输方法，在用户端处，将各用户端的网络条件和用户观看信息实时反馈给服务器，并从服务器上下载分配给当前用户的视频流版本；在服务器端处，根据用户端上传的用户观看信息实时预测用户的观看视点变化，同时进行视频帧空间切片可视概率计算，通过用户的实时观看视点计算出每一个空间切片被该用户观看的概率；随后，结合用户的网络条件和空间切片被用户观看的概率，为每一个用户分配合适的视频流码率版本。同时提供了一种多用户360度视频流服务器端码率自适应传输系统。本发明提高了360度视频流传输的带宽利用率，为用户提供更好的视频服务质量。
-
公开(公告)号：CN111131834A
公开(公告)日：2020-05-08
申请号：CN201911391009.9
申请日：2019-12-30
Applicant: 上海交通大学
IPC: H04N19/42 , H04N19/426 , H04N19/124 , H04N19/13 , G06N3/04
Abstract: 本发明提供一种可逆自编码器、编解码方法以及图像压缩方法、装置，其中可逆自编码器包括：编码信号分离模块、级联可逆编码模块、编码信号合成模块、解码信号分离模块、级联可逆解码模块、解码信号合成模块，其中：信号分离模块对输入图像进行分离、并生成两路信号，级联可逆编码模块和级联可逆解码模块对两路信号进行处理，信号合成模块对处理后的两路信号进行合成。本发明涉及了可逆自编码器的同事，还提供了其应用于图像压缩的方法，该方法与基准神经网络相比，在达到相同压缩效果的前提下可以减少一半的参数量与计算量。
-
公开(公告)号：CN111126562A
公开(公告)日：2020-05-08
申请号：CN201911153108.3
申请日：2019-11-22
Applicant: 上海交通大学
IPC: G06N3/04 , G06N3/063 , G06N3/08 , H04B7/0413 , H04J11/00
Abstract: 本发明提供了一种基于神经网络的目标算法拟合方法，包括：获取能够被神经网络逼近的目标算法；对目标算法运行一次迭代得到不同输入和输出变量的数据集；将输入变量作为自变量，输出变量作为因变量，使用多元多项式拟合一次迭代的输入和输出变量；确定拟合单次迭代过程中多元多项式的单隐层神经网络结构；重复上述迭代过程，并将每一次的迭代过程串联起来，得到最终可以拟合整个目标算法的深度神经网络。同时提出了一种基于上述方法得到的深度神经网络、基于WMMSE算法的信道容量及能量分配优化方法以及用于执行上述方法的终端。本发明解决了复杂算法的拟合问题，并且能够实际指导神经网络的结构设计及神经网络层数和神经元个数的选取。
-
-
-
-
-
-
-
-
-
Search Results
124
records
(took 0.026 seconds)
