-
公开(公告)号：CN109583357A
公开(公告)日：2019-04-05
申请号：CN201811413568.0
申请日：2018-11-23
Applicant: 厦门大学
Abstract: 本发明涉及一种改进LBP和轻量卷积神经网络级联的人脸识别方法，提供：对齐分区局部二值模式初次识别测试单元，APLBP与轻量化卷积神经网络级联的二次识别测试单元，APLBP识别测试单元，轻量化卷积神经网络并行流水线模块加速单元，计算平均识别率单元。将采集的人脸图像划分为主要区域和次要区域，对于人脸图像的主要区域与次要区域，提取中心点LBP像素特征值；通过级联的关系对APLBP识别并提取出的相似图像再加入轻量级卷积神经网络进行二次识别。充分融入了APLBP算法的速度优势和轻量化卷积神经网络的精度优势，通过对轻量化卷积神经网络的卷积层中耗时大的矩阵乘加运算使用并行模块进行加速，从而达到速度和准确率的双向提升。
-
公开(公告)号：CN105120292A
公开(公告)日：2015-12-02
申请号：CN201510568461.3
申请日：2015-09-09
Applicant: 厦门大学
IPC: H04N19/61 , H04N19/172
Abstract: 一种基于图像纹理特征的视频编码帧内预测方法，涉及数字视频通信领域中的视频信息处理。首先利用当前CU的梯度直方图，统计出当前CU的“强边缘”数目和梯度幅值相关的角度预测模式列表并统计出两个健壮的阈值用于CU划分过程；在帧内预测过程中，当当前CU的“强边缘”满足所选的阈值时，可以进行CU深度跳过或CU划分提前终止；在最佳候选模式选择阶段，根据图像纹理情况，直接从上述预测模式列表中选取适当数量的模式作为候选预测模式。通过CU深度和预测模式的裁剪，能有效降低HEVC帧内预测编码复杂度，有助于实现HEVC编码器的实时应用。
-
公开(公告)号：CN108282238A
公开(公告)日：2018-07-13
申请号：CN201810083354.5
申请日：2018-01-29
Applicant: 厦门大学
IPC: H04B17/336 , H04B17/391 , H04L1/00 , H04W40/04 , H04W40/16
Abstract: 本发明提出一种基于网络编码技术的中继选择方法及装置，方法包括：首先根据通信质量，选择最优的中继，然后根据各种网络编码方式的干扰容量，选取干扰最小的网络编码方式，保证了信息的有效传输，同时也最大化系统资源的利用率；干扰最小的网络编码方式的选择采用强化学习的方法，通过感知环境状态信息来学习动态系统的最优策略，通过试错法不断与环境交互获得策略的改进，为用户选择通信质量最优的中继和干扰最小的网络编码方式。
-
公开(公告)号：CN113688686A
公开(公告)日：2021-11-23
申请号：CN202110843795.2
申请日：2021-07-26
Applicant: 厦门大学
Abstract: 本发明公开了一种基于图卷积神经网络的虚拟现实视频质量评价方法、介质及设备，其中方法包括：获取失真VR视频，并抽取失真VR视频的视频帧；将失真VR视频帧建模为具有旋转等变性的二十面体图，并对二十面体图进行切割，以得到第一失真VR视频帧切片；构建图卷积网络模型，并训练得到最终图卷积网络模型；获取待评价VR视频，并对待评价VR视频进行预处理，以得到待评价VR视频对应的第二失真VR视频帧切片，以及将第二失真VR视频帧切片输入到最终图卷积网络模型，以便通过最终图卷积网络模型对待评价VR视频进行评价；能够自动对VR视频进行质量评价，降低VR视频质量评价过程中的计算复杂度；提高评价准确度的同时，降低评价过程中的计算复杂度。
-
公开(公告)号：CN107241607B
公开(公告)日：2020-06-16
申请号：CN201710584419.X
申请日：2017-07-18
Applicant: 厦门大学
IPC: H04N19/60 , H04N19/147 , H04N19/61
Abstract: 一种基于多域JND模型的视觉感知编码方法，涉及视频信息处理。首先利用时空频多域JND模型，分别计算出DCT块中每个变换系数的空域基本JND阈值、亮度掩蔽调制因子、对比度掩蔽调制因子以及时域掩蔽调制因子，得到每个变换系数时空频多域JND阈值。然后在变换编码的过程中，引入基于块感知失真概率评估标准，通过一种自适应搜索算法寻找每个系数关于JND阈值的修正因子，得到变换系数抑制值。最后将原始的变换系数减去相应计算得出的最合适的抑制值，作为新的系数放入熵编码阶段。通过多域JND模型和块感知失真概率的编码抑制策略，在保证一定主观质量的前提下，能有效降低编码码率，有助于进一步提高目前编码标准的压缩率。
-
Patent Agency Ranking
公开(公告)号：CN105120292B
公开(公告)日：2018-11-23
申请号：CN201510568461.3
申请日：2015-09-09
Applicant: 厦门大学
IPC: H04N19/61 , H04N19/172
Abstract: 一种基于图像纹理特征的视频编码帧内预测方法，涉及数字视频通信领域中的视频信息处理。首先利用当前CU的梯度直方图，统计出当前CU的“强边缘”数目和梯度幅值相关的角度预测模式列表并统计出两个健壮的阈值用于CU划分过程；在帧内预测过程中，当当前CU的“强边缘”满足所选的阈值时，可以进行CU深度跳过或CU划分提前终止；在最佳候选模式选择阶段，根据图像纹理情况，直接从上述预测模式列表中选取适当数量的模式作为候选预测模式。通过CU深度和预测模式的裁剪，能有效降低HEVC帧内预测编码复杂度，有助于实现HEVC编码器的实时应用。
-
公开(公告)号：CN113688686B
公开(公告)日：2023-10-27
申请号：CN202110843795.2
申请日：2021-07-26
Applicant: 厦门大学
IPC: G06V20/40 , G06V10/82 , G06V10/774 , G06N3/0464 , G06F3/01 , H04N17/00
Abstract: 本发明公开了一种基于图卷积神经网络的虚拟现实视频质量评价方法、介质及设备，其中方法包括：获取失真VR视频，并抽取失真VR视频的视频帧；将失真VR视频帧建模为具有旋转等变性的二十面体图，并对二十面体图进行切割，以得到第一失真VR视频帧切片；构建图卷积网络模型，并训练得到最终图卷积网络模型；获取待评价VR视频，并对待评价VR视频进行预处理，以得到待评价VR视频对应的第二失真VR视频帧切片，以及将第二失真VR视频帧切片输入到最终图卷积网络模型，以便通过最终图卷积网络模型对待评价VR视频进行评价；能够自动对VR视频进行质量评价，降低VR视频质量评价过程中的计算复杂度；提高评价准确度的同时，降低评价过程中的计算复杂度。
-
公开(公告)号：CN109583357B
公开(公告)日：2022-07-08
申请号：CN201811413568.0
申请日：2018-11-23
Applicant: 厦门大学
Abstract: 本发明涉及一种改进LBP和轻量卷积神经网络级联的人脸识别方法，提供：对齐分区局部二值模式初次识别测试单元，APLBP与轻量化卷积神经网络级联的二次识别测试单元，APLBP识别测试单元，轻量化卷积神经网络并行流水线模块加速单元，计算平均识别率单元。将采集的人脸图像划分为主要区域和次要区域，对于人脸图像的主要区域与次要区域，提取中心点LBP像素特征值；通过级联的关系对APLBP识别并提取出的相似图像再加入轻量级卷积神经网络进行二次识别。充分融入了APLBP算法的速度优势和轻量化卷积神经网络的精度优势，通过对轻量化卷积神经网络的卷积层中耗时大的矩阵乘加运算使用并行模块进行加速，从而达到速度和准确率的双向提升。
-
公开(公告)号：CN112004078A
公开(公告)日：2020-11-27
申请号：CN202010844450.4
申请日：2020-08-20
Applicant: 厦门大学
IPC: H04N17/00 , H04N19/154 , H04N13/161
Abstract: 本发明公开了一种基于生成对抗网络的虚拟现实视频质量评价方法、介质及系统，其中方法包括：获取原始失真VR视频，并对原始失真VR视频进行处理，以生成相应的多个失真视频块；将失真视频块输入到预先构建的生成器模型中，并根据失真视频块进行训练得到生成器，以便通过生成器根据失真视频块生成相应的参考视频块；将失真视频块和相应的参考视频块输入到预先构建的预测器中，并根据失真视频块和相应的参考视频块进行训练得到预测器；根据生成器和预测器生成虚拟现实视频质量评价模型，以便根据虚拟现实视频质量评价模型对VR视频质量进行评分；能够对虚拟现实视频的质量进行有效评价。
-
公开(公告)号：CN110674925A
公开(公告)日：2020-01-10
申请号：CN201910810602.6
申请日：2019-08-29
Applicant: 厦门大学
Abstract: 本发明提出了一种基于3D卷积神经网络的无参考VR视频质量评价方法，该方法包括：采用视口生成法获取VR视频中每一帧所对应的多个视口，并将位置相同的视口组合成一个视口视频，以便根据所述VR视频生成多个视口视频；建立3D卷积神经网络模型，并根据生成好的视口视频对所述3D卷积神经网络模型进行训练；基于训练好的3D卷积神经网络模型对待评价VR视频对应的视口视频进行预测，以获得所述待评价VR视频对应的视口视频的MOS值；对属于同一个VR视频的视口视频所对应的MOS值进行池化操作，以获得所述待评价VR视频的最终视频质量分数；由此，该方法充分考虑了VR视频的特性，并采用无参考方式以大大提高VR视频质量评价的效率。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.016 seconds)
