-
公开(公告)号：CN112580473B
公开(公告)日：2024-05-28
申请号：CN202011464000.9
申请日：2020-12-11
Applicant: 北京工业大学
IPC: G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06T3/40
Abstract: 本发明提供了一种融合运动特征的视频超分辨率重构方法，用于解决现阶段视频超分辨率重构方法重构精度不高，重构时间过长的问题。首先自适应关键帧判别子网自适应地从视频连续帧中判别出关键帧；关键帧经过高精度关键帧重构子网进行重构；对于非关键帧，则提取其与邻近关键帧之间的运动特征，并与邻近关键帧特征融合，再经过特征残差学习，得到非关键帧的特征，从而快速地获得非关键帧的重构结果。本发明能够自适应地判断视频中帧为关键帧或是非关键帧，并根据判断结果执行不同的重构策略，保证了视频整体重构结果的精准性；其次，本发明在图像特征层面进行运动信息的融合，避免了伪影的引入，减少了运动估计的提取时间。
-
Patent Agency Ranking
公开(公告)号：CN114418849B
公开(公告)日：2025-01-14
申请号：CN202210052778.1
申请日：2022-01-18
Applicant: 北京工业大学
IPC: G06T3/4053 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于实例空间特征调制和反馈机制的图像超分辨率重构方法，用于解决将低分辨率图像重构成高分辨率图像的问题。首先通过实例空间特征调制器提取低分辨率图像的实例空间特征，并基于提取的特征对低分辨率图像的超分辨率重构特征进行实例空间特征特征，然后将调制后的超分辨率重构特征输入包含投影模块的反馈重构子网进行循环重构，经多次的重构迭代优化后，得到最终的超分辨率重构结果。在超分辨率重构特征中引入实例空间特征并使用循环神经网络进行多次重构迭代优化，不仅会更好地重构低分辨率图像，而且在图像实例的纹理信息方面效果显著，大大地提升了图像重构的效果。
-
公开(公告)号：CN111161306A
公开(公告)日：2020-05-15
申请号：CN201911402450.2
申请日：2019-12-31
Applicant: 北京工业大学
Abstract: 本发明提供了一种基于运动注意力的视频目标分割方法，该方法将通道注意力模块输出的通道特征图和运动注意力模块输出的位置特征图进行相加，获得当前帧的分割结果。其中，通道注意力模块的输入为当前帧特征图Ft和第一帧提供的目标物体的外观特征图F0，通道注意力模块通过计算输入特征图Ft和F0通道之间的关联，输出的通道特征图反映了当前帧中外观最接近目标物体的物体；运动注意力模块的输入为当前帧特征图Ft和前一帧运动注意力网络中的记忆模块预测的目标物体的位置信息Ht-1，运动注意力模块通过计算输入特征图Ft和Ht-1位置之间的关联，输出的位置特征图反映了当前帧中目标物体的大致位置。本发明结合外观和位置两个因素，实现了对视频目标更精确的分割。
-
公开(公告)号：CN111161306B
公开(公告)日：2023-06-02
申请号：CN201911402450.2
申请日：2019-12-31
Applicant: 北京工业大学
Abstract: 本发明提供了一种基于运动注意力的视频目标分割方法，该方法将通道注意力模块输出的通道特征图和运动注意力模块输出的位置特征图进行相加，获得当前帧的分割结果。其中，通道注意力模块的输入为当前帧特征图Ft和第一帧提供的目标物体的外观特征图F0，通道注意力模块通过计算输入特征图Ft和F0通道之间的关联，输出的通道特征图反映了当前帧中外观最接近目标物体的物体；运动注意力模块的输入为当前帧特征图Ft和前一帧运动注意力网络中的记忆模块预测的目标物体的位置信息Ht‑1，运动注意力模块通过计算输入特征图Ft和Ht‑1位置之间的关联，输出的位置特征图反映了当前帧中目标物体的大致位置。本发明结合外观和位置两个因素，实现了对视频目标更精确的分割。
-
公开(公告)号：CN112580473A
公开(公告)日：2021-03-30
申请号：CN202011464000.9
申请日：2020-12-11
Applicant: 北京工业大学
Abstract: 本发明提供了一种融合运动特征的视频超分辨率重构方法，用于解决现阶段视频超分辨率重构方法重构精度不高，重构时间过长的问题。首先自适应关键帧判别子网自适应地从视频连续帧中判别出关键帧；关键帧经过高精度关键帧重构子网进行重构；对于非关键帧，则提取其与邻近关键帧之间的运动特征，并与邻近关键帧特征融合，再经过特征残差学习，得到非关键帧的特征，从而快速地获得非关键帧的重构结果。本发明能够自适应地判断视频中帧为关键帧或是非关键帧，并根据判断结果执行不同的重构策略，保证了视频整体重构结果的精准性；其次，本发明在图像特征层面进行运动信息的融合，避免了伪影的引入，减少了运动估计的提取时间。
-
公开(公告)号：CN114418849A
公开(公告)日：2022-04-29
申请号：CN202210052778.1
申请日：2022-01-18
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于实例空间特征调制和反馈机制的图像超分辨率重构方法，用于解决将低分辨率图像重构成高分辨率图像的问题。首先通过实例空间特征调制器提取低分辨率图像的实例空间特征，并基于提取的特征对低分辨率图像的超分辨率重构特征进行实例空间特征特征，然后将调制后的超分辨率重构特征输入包含投影模块的反馈重构子网进行循环重构，经多次的重构迭代优化后，得到最终的超分辨率重构结果。在超分辨率重构特征中引入实例空间特征并使用循环神经网络进行多次重构迭代优化，不仅会更好地重构低分辨率图像，而且在图像实例的纹理信息方面效果显著，大大地提升了图像重构的效果。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
