跌倒检测方法、装置及计算机可读存储介质

    公开(公告)号:CN114022673A

    公开(公告)日:2022-02-08

    申请号:CN202111174136.0

    申请日:2021-10-08

    Abstract: 本发明公开了一种跌倒检测方法、装置及计算机可读存储介质,方法包括:获取待检测的目标视频;根据预设分割网络模型对目标视频进行分割处理,得到目标视频的人形区域,预设分割网络模型包括同分辨率的特征融合结构以及残差网络结构,特征融合结构包括扩张层以及收缩层,每个扩张层以及每个收缩层均包括残差网络结构,扩张层包括第一扩张层以及第二扩张层,收缩层包括第一收缩层,第二扩张层的输入包括第一扩张层的输出以及第一收缩层的输出,第一收缩层与第一扩张层相互映射,分割得到的人形区域的颜色为预设颜色;根据人形区域检测是否存在跌倒行为。本发明能够避免进行跌倒检测过程中,采用人形画点分割人形区域时存在的隐私泄露的问题。

    流媒体传输控制方法、系统、设备与介质

    公开(公告)号:CN114793299B

    公开(公告)日:2024-05-24

    申请号:CN202210450904.9

    申请日:2022-04-27

    Abstract: 本发明涉及流媒体传输技术领域,公开了一种流媒体传输控制方法、系统、设备和介质。所述流媒体传输控制方法运用于流媒体传输控制系统的发送端。本发明通过获取流媒体数据,并对流媒体数据进行编码,得到编码后的流媒体数据;统计编码后的流媒体数据的平均编码时长和平均媒体帧长,并进行渲染延时预估,确定对应的期望渲染延时;将编码后的流媒体数据和期望渲染延时发送到接收端,以供接收端确定对应的实际渲染延时;接收实际渲染延时,并根据平均编码时长、平均媒体帧长、以及实际渲染延时,确定对应的实际网络带宽,并对码率进行调控,根据调控后的码率进行流媒体拥塞控制;从而实现对拥塞进行控制,以及适应网络动态变化。

    流媒体传输控制方法、系统、设备与介质

    公开(公告)号:CN114793299A

    公开(公告)日:2022-07-26

    申请号:CN202210450904.9

    申请日:2022-04-27

    Abstract: 本发明涉及流媒体传输技术领域,公开了一种流媒体传输控制方法、系统、设备和介质。所述流媒体传输控制方法运用于流媒体传输控制系统的发送端。本发明通过获取流媒体数据,并对流媒体数据进行编码,得到编码后的流媒体数据;统计编码后的流媒体数据的平均编码时长和平均媒体帧长,并进行渲染延时预估,确定对应的期望渲染延时;将编码后的流媒体数据和期望渲染延时发送到接收端,以供接收端确定对应的实际渲染延时;接收实际渲染延时,并根据平均编码时长、平均媒体帧长、以及实际渲染延时,确定对应的实际网络带宽,并对码率进行调控,根据调控后的码率进行流媒体拥塞控制;从而实现对拥塞进行控制,以及适应网络动态变化。

    卷积神经网络的训练方法和病灶分割方法

    公开(公告)号:CN112561918B

    公开(公告)日:2024-09-06

    申请号:CN202011634830.1

    申请日:2020-12-31

    Abstract: 本发明提供了一种卷积神经网络的训练方法,该卷积神经网络包括输入层、中间层和输出层;该网络训练方法包括:初始化中间层的网络参数;基于输入层接收的训练样本图片,前向传播计算卷积神经网络的期望输出;计算期望输出和所述输出层接收的训练样本图片对应的标签之间的误差;反向传播所述误差,并更新中间层的网络参数;采用交叉熵函数和Dice函数结合成的Dice‑CE函数对误差进行损失评估;在误差被评估为损失最小时,对应的中间层的网络参数作为卷积神经网络的最终参数。通过交叉熵损失函数和Dice函数的结合用于计算损失函数,能够降低多检率,漏检率,最终达到精确分割的效果。

    卷积神经网络的训练方法和病灶分割方法

    公开(公告)号:CN112561918A

    公开(公告)日:2021-03-26

    申请号:CN202011634830.1

    申请日:2020-12-31

    Abstract: 本发明提供了一种卷积神经网络的训练方法,该卷积神经网络包括输入层、中间层和输出层;该网络训练方法包括:初始化中间层的网络参数;基于输入层接收的训练样本图片,前向传播计算卷积神经网络的期望输出;计算期望输出和所述输出层接收的训练样本图片对应的标签之间的误差;反向传播所述误差,并更新中间层的网络参数;采用交叉熵函数和Dice函数结合成的Dice‑CE函数对误差进行损失评估;在误差被评估为损失最小时,对应的中间层的网络参数作为卷积神经网络的最终参数。通过交叉熵损失函数和Dice函数的结合用于计算损失函数,能够降低多检率,漏检率,最终达到精确分割的效果。

Patent Agency Ranking