一种基于深度特征表达与学习的HEVC帧内快速编码方法

    公开(公告)号:CN111510728A

    公开(公告)日:2020-08-07

    申请号:CN202010282678.9

    申请日:2020-04-12

    Abstract: 本发明公开了一种基于深度特征表达与学习的HEVC帧内快速编码方法。首先,通过利用深度卷积神经网络强大的特征表达与学习能力,并将注意力机制、特征传递机制等思想与视频编码流程的先验信息相结合,构建CU划分表征矢量预测网络;其次,通过设计有效的损失函数及网络超参数完成该网络的训练过程;最后,使用网络输出结果代替四叉树划分算法的划分结果,完成视频编码流程。采用本发明的技术方案,与国际编码标准HEVC(HM16.5)相比,在保证视频编码质量基本不变的前提下,减少视频编码所需时间成本,缓解编码质量与编码速度之间的矛盾,提高HEVC的编码效率。

    智能预警人群过高关注度的安全系统及实现方法

    公开(公告)号:CN107545702A

    公开(公告)日:2018-01-05

    申请号:CN201710761397.X

    申请日:2017-08-28

    Abstract: 本发明公开了智能预警人群过高关注度的安全系统及实现方法,该系统包括图像采集模块、人脸检测模块、计算模块、通信模块、分析模块和报警模块。通过大数据等不限于此的技术分析通信模块传输过来的关注度数据,获取正常情况下人群对于此类安全领域的关注度的趋势,并将每次新测得的人群对于此类安全领域的关注度的数据与趋势数据进行比较,算出与趋势数据的差值。报警模块作用是当分析模块的差值大于某一阈值,安全领域的警示灯闪烁,语音警报开启。同时警报信号会通过服务器传送至就近的公安,消防等部门,以便尽早采取相应措施,降低安全风险。

    一种基于深度特征表达与学习的HEVC帧内快速编码方法

    公开(公告)号:CN111510728B

    公开(公告)日:2022-05-06

    申请号:CN202010282678.9

    申请日:2020-04-12

    Abstract: 本发明公开了一种基于深度特征表达与学习的HEVC帧内快速编码方法。首先,通过利用深度卷积神经网络强大的特征表达与学习能力,并将注意力机制、特征传递机制等思想与视频编码流程的先验信息相结合,构建CU划分表征矢量预测网络;其次,通过设计有效的损失函数及网络超参数完成该网络的训练过程;最后,使用网络输出结果代替四叉树划分算法的划分结果,完成视频编码流程。采用本发明的技术方案,与国际编码标准HEVC(HM16.5)相比,在保证视频编码质量基本不变的前提下,减少视频编码所需时间成本,缓解编码质量与编码速度之间的矛盾,提高HEVC的编码效率。

Patent Agency Ranking