-
公开(公告)号：CN109190626A
公开(公告)日：2019-01-11
申请号：CN201810842201.4
申请日：2018-07-27
Applicant: 国家新闻出版广电总局广播科学研究院 , 北京邮电大学
Abstract: 本发明涉及一种基于深度学习的多路径特征融合的语义分割方法，包括以下步骤：使用多路径特征融合方法提取图像的基础深度特征；将提取的基础深度特征经过解码端网络，恢复原始图像分辨率信息，并生成分割结果；以交叉熵损失函数为目标训练网络，使用准确率和mIoU评价网络性能。本发明设计合理，其充分考虑了局部信息以及全局信息，在网络中的特征提取端和分类端添加了很多条路径，网络的输出是与原图像分辨率大小一致的分割图，使用图像已有的标签计算分割准确率，以最小化交叉熵损失函数为目标来训练网络，有效地提高了图像语义分割地准确率。
-
Patent Agency Ranking
公开(公告)号：CN106851365B
公开(公告)日：2018-03-09
申请号：CN201510884736.4
申请日：2015-12-03
Applicant: 国家新闻出版广电总局广播科学研究院 , 北京永新视博数字电视技术有限公司 , 北京数字太和科技有限责任公司
IPC: H04N21/418 , H04N21/4367 , H04N21/4385 , H04N21/4623 , H04N21/4627 , H04N21/266
CPC classification number: H04N21/418
Abstract: 一种用于智能操作系统的条件接收方法，包括可信执行环境，数字电视模块获取全部频道信息和控制管理信息，媒体播放模块根据从直播应用模块获得的所切换的频道节目标识向数字电视模块获取该频道节目的videoPid、audioPid、casId、ecmPid、emmPid，并分配解扰器Descramblerid，传送给条件接收模块；条件接收模块根据casId选择注册的条件接收应用模块，将频道的videoPid、audioPid、ecmPid、emmPid、Descramblerid发送给条件接收应用模块；条件接收应用模块根据ecmPid和emmPid向数字电视模块获取相应的ecm Data和emm Data连同videoPid、audioPid、Descramblerid发送给条件接收模块；条件接收模块将这些信息发送给可信执行环境中的可信应用；由可信应用进行解析从而获得EK1、EK2和ECW，连同videoPid、audioPid、Descramblerid发送给高安芯片，高安芯片根据所获得的信息控制DescramblerID对应的解扰器解扰并进行播放。
-
公开(公告)号：CN105491371A
公开(公告)日：2016-04-13
申请号：CN201510800435.9
申请日：2015-11-19
Applicant: 国家新闻出版广电总局广播科学研究院
Abstract: 本发明提出了一种基于梯度幅值相似性的色调映射图像质量评价方法，属于图像处理领域。本发明提出的方法包括步骤：1)计算高动态图像和色调映射器转换之后的色调映射图像的梯度图；2)对高动态图像和色调映射图像所对应的梯度图进行基于人类视觉系统的动态范围调整；3)计算梯度图对之间的相似性，并以色调映射幅值大小作为权值；4)利用对比度、亮度和细节表述计算色调映射图像的自然性值；5)将相似性值和自然性值进行合并。本发明设计合理，其采用能够有效捕捉到图像失真的梯度幅度相似性特征，并且结合了图像的自然性特征(图像看起来必须自然)能够有效地对色调映射图像的质量进行评价，提高了评价性能。
-
公开(公告)号：CN107729993A
公开(公告)日：2018-02-23
申请号：CN201711033085.3
申请日：2017-10-30
Applicant: 国家新闻出版广电总局广播科学研究院 , 北京邮电大学
IPC: G06N3/04
CPC classification number: G06N3/0454
Abstract: 本发明涉及一种利用训练样本及折中度量的3D卷积神经网络构建方法，其技术特点是：构造孪生结构的3D卷积神经网络；设置网络的损失函数，该损失函数由正样本损失、负样本损失及正则化损失构成，并在正则化损失中结合了马氏距离和欧氏距离；使用softmax损失函数，使用视频序列形式的数据集对网络进行预训练；构造正样本对和负样本对，对图像进行预处理和分割；有选择地利用训练样本对网络进行训练。本发明设计合理，其有选择地使用训练样本来提高训练效率并抑制过拟合，同时，在对特征进行度量时对欧氏距离和马氏距离进行权衡，从而构建3D卷积神经网络模型，试验表明本发明构建的模型及训练策略使得系统整体匹配率大大提升。
-
公开(公告)号：CN106851365A
公开(公告)日：2017-06-13
申请号：CN201510884736.4
申请日：2015-12-03
Applicant: 国家新闻出版广电总局广播科学研究院 , 北京永新视博数字电视技术有限公司 , 北京数字太和科技有限责任公司
IPC: H04N21/418 , H04N21/4367 , H04N21/4385 , H04N21/4623 , H04N21/4627 , H04N21/266
CPC classification number: H04N21/418 , H04N21/4181 , H04N21/26606 , H04N21/42623 , H04N21/4367 , H04N21/43853 , H04N21/4623 , H04N21/4627
Abstract: 一种用于智能操作系统的条件接收方法，包括可信执行环境，数字电视模块获取全部频道信息和控制管理信息，媒体播放模块根据从直播应用模块获得的所切换的频道节目标识向数字电视模块获取该频道节目的videoPid、audioPid、casId、ecmPid、emmPid，并分配解扰器Descramblerid，传送给条件接收模块；条件接收模块根据casId选择注册的条件接收应用模块，将频道的videoPid、audioPid、ecmPid、emmPid、Descramblerid发送给条件接收应用模块；条件接收应用模块根据ecmPid和emmPid向数字电视模块获取相应的ecm Data和emm Data连同videoPid、audioPid、Descramblerid发送给条件接收模块；条件接收模块将这些信息发送给可信执行环境中的可信应用；由可信应用进行解析从而获得EK1、EK2和ECW，连同videoPid、audioPid、Descramblerid发送给高安芯片，高安芯片根据所获得的信息控制DescramblerID对应的解扰器解扰并进行播放。
-
公开(公告)号：CN107240122A
公开(公告)日：2017-10-10
申请号：CN201710450319.8
申请日：2017-06-15
Applicant: 国家新闻出版广电总局广播科学研究院 , 北京邮电大学
CPC classification number: G06T7/246 , G06T7/262 , G06T2207/10016 , G06T2207/20056 , G06T2207/20081
Abstract: 本发明涉及一种基于时空连续相关滤波的视频目标跟踪方法，其主要技术特点是：构造并计算损失函数；对输入帧进行深度卷积特征提取，利用深度卷积网络的第3～5层特征信息估计当前帧中目标的位置；根据每层估计的目标位置的准确度分配不同权重，将三层目标位置加权求和得到当前帧目标的最终位置；根据之前所有帧的估计结果更新模板。本发明结合了判别相关滤波器、深度学习技术，其利用多层特征进行目标位置估计，并根据之前所有帧的位置信息连续更新学习率，增加了整体算法的跟踪精度，提高了跟踪结果的稳定性，获得了很好的目标跟踪效果。
-
-
-
-
-
Search Results
6
records
(took 0.034 seconds)
