-
公开(公告)号：CN108520505A
公开(公告)日：2018-09-11
申请号：CN201810341067.X
申请日：2018-04-17
Applicant: 上海交通大学
IPC: G06T5/10 , G06T9/00 , H04N19/172 , G06N3/04
Abstract: 一种基于多网络联合构建与自适应选择的环路滤波实现方法，首先通过联合构建包含一个多分类网络和多个滤波网络的卷积神经网络，然后采用压缩视频的视频帧作为训练数据对该卷积神经网络进行迭代训练，最后在视频压缩过程中进行自适应选择的环路滤波，即只使用多个滤波网络或其联合分类网络共同实现环路滤波，本发明具有更强鲁棒性，不同模型能够更好地捕捉上述的由压缩算法带来的复杂的图像失真现象，从而实现更好的质环路滤波效果。
-
公开(公告)号：CN108174225A
公开(公告)日：2018-06-15
申请号：CN201810025778.6
申请日：2018-01-11
Applicant: 上海交通大学
IPC: H04N19/82 , H04N19/117 , H04N19/119 , H04N19/154
Abstract: 一种基于对抗生成网络的视频编解码环路内滤波实现方法及系统，使用视频编解码算法编码并解码得到的视频作为训练数据，使用生成模型和辨别模型联合训练的方法训练一卷积神经网络并得到预训练模型，最后在视频编解码环路内使用所述预训练模型，在视频编解码算法的环路内对每一张重建视频帧进行图像质量恢复，有选择地使用输出图像更新原图像。本发明具有更强的鲁棒性和拓展性，能够处理视频压缩编码后的重建帧，比基于一般传统卷积神经网络的环路内滤波器图像恢复效果更接近原始图像，提升图像质量，进而提升视频压缩编码的效率。
-
Patent Agency Ranking
公开(公告)号：CN108134932A
公开(公告)日：2018-06-08
申请号：CN201810025957.X
申请日：2018-01-11
Applicant: 上海交通大学
IPC: H04N19/117 , H04N19/80 , H04N19/154 , H04N19/172
Abstract: 一种基于卷积神经网络的视频编解码环路内滤波器及其实现方法，以视频编解码算法编码并解码得到的视频作为训练数据，使用监督学习的方法训练一卷积神经网络并得到预训练模型，然后在视频编解码环路内对每一个重建帧划分为若干个子图，采用所述预训练模型以每一个子图作为输入，输出一张与输入图像大小相同的图像，并根据输出图像的质量提升与否，有选择地使用输出图像更新原图像。本发明能够提升编解码过程中的重建帧的图像质量，并对后续编码过程提供增益，最终提升编码算法的效率。
-
公开(公告)号：CN108520505B
公开(公告)日：2021-12-03
申请号：CN201810341067.X
申请日：2018-04-17
Applicant: 上海交通大学
IPC: G06T5/10 , G06T9/00 , H04N19/172 , G06N3/04
Abstract: 一种基于多网络联合构建与自适应选择的环路滤波实现方法，首先通过联合构建包含一个多分类网络和多个滤波网络的卷积神经网络，然后采用压缩视频的视频帧作为训练数据对该卷积神经网络进行迭代训练，最后在视频压缩过程中进行自适应选择的环路滤波，即只使用多个滤波网络或其联合分类网络共同实现环路滤波，本发明具有更强鲁棒性，不同模型能够更好地捕捉上述的由压缩算法带来的复杂的图像失真现象，从而实现更好的质环路滤波效果。
-
公开(公告)号：CN108174225B
公开(公告)日：2021-03-26
申请号：CN201810025778.6
申请日：2018-01-11
Applicant: 上海交通大学
IPC: H04N19/82 , H04N19/117 , H04N19/119 , H04N19/154
Abstract: 一种基于对抗生成网络的视频编解码环路内滤波实现方法及系统，使用视频编解码算法编码并解码得到的视频作为训练数据，使用生成模型和辨别模型联合训练的方法训练一卷积神经网络并得到预训练模型，最后在视频编解码环路内使用所述预训练模型，在视频编解码算法的环路内对每一张重建视频帧进行图像质量恢复，有选择地使用输出图像更新原图像。本发明具有更强的鲁棒性和拓展性，能够处理视频压缩编码后的重建帧，比基于一般传统卷积神经网络的环路内滤波器图像恢复效果更接近原始图像，提升图像质量，进而提升视频压缩编码的效率。
-
公开(公告)号：CN108134932B
公开(公告)日：2021-03-30
申请号：CN201810025957.X
申请日：2018-01-11
Applicant: 上海交通大学
IPC: H04N19/117 , H04N19/80 , H04N19/154 , H04N19/172
Abstract: 一种基于卷积神经网络的视频编解码环路内滤波器及其实现方法，以视频编解码算法编码并解码得到的视频作为训练数据，使用监督学习的方法训练一卷积神经网络并得到预训练模型，然后在视频编解码环路内对每一个重建帧划分为若干个子图，采用所述预训练模型以每一个子图作为输入，输出一张与输入图像大小相同的图像，并根据输出图像的质量提升与否，有选择地使用输出图像更新原图像。本发明能够提升编解码过程中的重建帧的图像质量，并对后续编码过程提供增益，最终提升编码算法的效率。
-
公开(公告)号：CN106339690A
公开(公告)日：2017-01-18
申请号：CN201610771414.3
申请日：2016-08-30
Applicant: 上海交通大学 , 上海方奥通信技术有限公司
Abstract: 一种基于噪声消除及辅助判断线的视频目标流量检测方法及系统，通过循环地对视频图像中的感兴趣区域中进行目标检测，并对其进行跟踪和刷新；然后在感兴趣区域外部设置安全区域进行人流量统计；最后循环判断当前所有被跟踪目标是否为误检测的目标，如是则删除误检测的目标。本发明实时性好，在复杂场景下能保证一定的准确率。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
