-
公开(公告)号：CN117541764A
公开(公告)日：2024-02-09
申请号：CN202410029536.X
申请日：2024-01-09
Applicant: 北京大学
Abstract: 本发明提供了一种图像拼接方法、电子设备及存储介质，涉及图像处理领域，所述方法包括如下步骤：获取待拼接视频列表，基于待拼接视频列表和目标神经网络模型，获取待拼接视频对应的第一图像和第二图像，获取第一图像对应的第一特征点列表集和第二图像对应的第二特征点列表集，基于第一特征点列表集和第二特征点列表集进行拼接，获取目标视频，从而完成图像的拼接，提高拼接过程中的准确性和速度。
-
公开(公告)号：CN118015634A
公开(公告)日：2024-05-10
申请号：CN202410099035.9
申请日：2024-01-24
Applicant: 北京大学
IPC: G06V30/19 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T3/40 , G06T3/60 , G06V10/44 , G06V10/82 , G06V30/146 , G06V30/166 , G06V30/18
Abstract: 本发明涉及数据处理领域，尤其涉及一种获取手写字符的验证结果的数据处理系统，当计算机程序被处理器执行时，实现以下步骤：根据初始手写字符的第一字符信息获取第一复杂度，若第一复杂度大于复杂度阈值，则首先根据字符识别模型获取到第一验证结果，然后根据第一字符信息获取优先级集合、第一相似度集合以及第二验证结果，最终结合第一验证结果和第二验证结果获取到目标验证结果。可知，初始手写字符的复杂度较高时，通过结合字符识别模型以及初始手写字符和预设手写字符之间的相似性来对初始手写字符进行验证，提高了对手写字符进行验证的准确性。
-
公开(公告)号：CN112401886B
公开(公告)日：2023-01-31
申请号：CN202011121650.3
申请日：2020-10-22
Applicant: 北京大学
Abstract: 本发明公开一种情感识别的处理方法、装置、设备及存储介质，该方法包括：获取原情感数据，所述原情感数据包括至少两种模态的情感数据；根据原情感数据，获取各模态情感数据对应的情感特征；根据各模态情感数据对应的情感特征，确定各模态的第一分类置信度，其中，各模态的第一分类置信度包括该模态在各基础情感类别上的单模态分类置信度；根据各模态的第一分类置信度及预先获得的多模态信息融合权重数据，进行多模态信息融合，获得第二分类置信度，第二分类置信度包括各模态融合后在各所述基础情感类别上的融合分类置信度；根据第二分类置信度，确定原情感数据所属的目标基础情感类别。本发明能有效提高情感识别的识别率及准确性。
-
公开(公告)号：CN117541764B
公开(公告)日：2024-04-05
申请号：CN202410029536.X
申请日：2024-01-09
Applicant: 北京大学
Abstract: 本发明提供了一种图像拼接方法、电子设备及存储介质，涉及图像处理领域，所述方法包括如下步骤：获取待拼接视频列表，基于待拼接视频列表和目标神经网络模型，获取待拼接视频对应的第一图像和第二图像，获取第一图像对应的第一特征点列表集和第二图像对应的第二特征点列表集，基于第一特征点列表集和第二特征点列表集进行拼接，获取目标视频，从而完成图像的拼接，提高拼接过程中的准确性和速度。
-
公开(公告)号：CN117544862B
公开(公告)日：2024-03-29
申请号：CN202410029459.8
申请日：2024-01-09
Applicant: 北京大学
IPC: H04N23/951 , H04N5/265 , H04N1/387
Abstract: 本申请涉及一般的图像数据处理或产生技术领域，特别是涉及一种基于图像矩并行处理的图像拼接方法。所述方法包括以下步骤：S100，获取第一图像的初始重叠区域图像P1,0，所述第一图像为第一相机在目标时刻采集得到的图像；S200，获取第二图像的初始重叠区域图像P2,0，所述第二图像为第二相机在目标时刻采集得到的图像；S300，获取P1,0的k‑l阶图像矩m01,kl和P2,0的k‑l图像矩m02,kl；S400，如果|m01,kl‑m02,kl|≤ε0，则将P1,0和P2,0确定为第一图像和第二图像的重叠区域并进行第一图像和第二图像的图像拼接。本发明能够提高图像拼接结果的质量。
-
Patent Agency Ranking
公开(公告)号：CN116364064B
公开(公告)日：2023-07-28
申请号：CN202310565047.1
申请日：2023-05-19
Applicant: 北京大学
IPC: G10L15/04 , G10L15/16 , G10L15/18 , G10L21/0224 , G10L19/26
Abstract: 本发明提供了一种音频拼接方法、电子设备及存储介质，用于对依序安装在设定位置的Zm个智能设备获取目标对象的音频片段进行拼接，从而获得目标对象的最终音频，所述方法包括如下步骤：获取智能设备采集目标对象音频信息的时间段列表和对应的原始音频片段列表，获取第一重合音频片段和第二重合音频片段，进行噪声检测获取中间音频片段和备用音频片段，对中间音频片段对应的原始音频片段进行语义检测，当语义检测值大于第一预设阈值，将备用音频片段对应的原始音频片段裁剪，并和中间音频片段对应的原始音频片段进行拼接，从而获取最终音频，使得无重合的目标对象的最终音频更加完整，语义更通顺、清晰。
-
公开(公告)号：CN112401886A
公开(公告)日：2021-02-26
申请号：CN202011121650.3
申请日：2020-10-22
Applicant: 北京大学
Abstract: 本发明公开一种情感识别的处理方法、装置、设备及存储介质，该方法包括：获取原情感数据，所述原情感数据包括至少两种模态的情感数据；根据原情感数据，获取各模态情感数据对应的情感特征；根据各模态情感数据对应的情感特征，确定各模态的第一分类置信度，其中，各模态的第一分类置信度包括该模态在各基础情感类别上的单模态分类置信度；根据各模态的第一分类置信度及预先获得的多模态信息融合权重数据，进行多模态信息融合，获得第二分类置信度，第二分类置信度包括各模态融合后在各所述基础情感类别上的融合分类置信度；根据第二分类置信度，确定原情感数据所属的目标基础情感类别。本发明能有效提高情感识别的识别率及准确性。
-
公开(公告)号：CN118015634B
公开(公告)日：2024-08-16
申请号：CN202410099035.9
申请日：2024-01-24
Applicant: 北京大学
IPC: G06V30/19 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T3/40 , G06T3/60 , G06V10/44 , G06V10/82 , G06V30/146 , G06V30/166 , G06V30/18
Abstract: 本发明涉及数据处理领域，尤其涉及一种获取手写字符的验证结果的数据处理系统，当计算机程序被处理器执行时，实现以下步骤：根据初始手写字符的第一字符信息获取第一复杂度，若第一复杂度大于复杂度阈值，则首先根据字符识别模型获取到第一验证结果，然后根据第一字符信息获取优先级集合、第一相似度集合以及第二验证结果，最终结合第一验证结果和第二验证结果获取到目标验证结果。可知，初始手写字符的复杂度较高时，通过结合字符识别模型以及初始手写字符和预设手写字符之间的相似性来对初始手写字符进行验证，提高了对手写字符进行验证的准确性。
-
公开(公告)号：CN117544862A
公开(公告)日：2024-02-09
申请号：CN202410029459.8
申请日：2024-01-09
Applicant: 北京大学
IPC: H04N23/951 , H04N5/265 , H04N1/387
Abstract: 本申请涉及一般的图像数据处理或产生技术领域，特别是涉及一种基于图像矩并行处理的图像拼接方法。所述方法包括以下步骤：S100，获取第一图像的初始重叠区域图像P1,0，所述第一图像为第一相机在目标时刻采集得到的图像；S200，获取第二图像的初始重叠区域图像集得到的图像图像矩m02,kl；S400；S300P2，,0如果，，获取所述第二图像为第二相机在目标时刻采|mP011,0,kl的‑mk0‑2l,k阶图像矩l|≤ε0，则将m01,kPl1和,0和P2P,02的,0确定k‑l为第一图像和第二图像的重叠区域并进行第一图像和第二图像的图像拼接。本发明能够提高图像拼接结果的质量。
-
公开(公告)号：CN115879534A
公开(公告)日：2023-03-31
申请号：CN202310004580.0
申请日：2023-01-03
Applicant: 北京大学
Abstract: 本发明涉及一种基于阈值增量循环计数的混合STDP训练方法及系统，构建包括输入层、隐藏层和分类输出层的STDP网络架构，并对神经元的阈值电压增量进行计数控制对STDP网络架构的无监督学习进程，结合分类输出层的有监督学习进程调整神经元对应的权重值，通过应用阈值增量循环计数和神经元响应度筛选，有效约束了权重更新，降低了权重更新频率，从而大大减少了训练整体计算量，有助于提升训练学习效率。本发明方法适用于手写数字识别时，相比于传统STDP训练算法，可以减少2.5到3.5倍计算量并提高3％左右分类准确率。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.016 seconds)
