-
公开(公告)号：CN110647906A
公开(公告)日：2020-01-03
申请号：CN201910711605.4
申请日：2019-08-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于Faster R-CNN方法的服饰目标检测方法。本发明步骤如下：步骤1、数据集准备；步骤2、构造Faster R-CNN算法框架；步骤3、用K-Means聚类算法对包围盒尺寸重新设；步骤4、用训练集A训练该服饰检测模型；步骤5、用余下测试集测试模型性能。本发明加快了检索速度。本发明引入了K-Means聚类算法，让区域框与实际服饰的尺寸大小更为相近，提高速度的同时，对识别的精读也有一定的提高。
-
公开(公告)号：CN107734333A
公开(公告)日：2018-02-23
申请号：CN201710902271.X
申请日：2017-09-29
Applicant: 杭州电子科技大学
IPC: H04N19/139 , H04N19/154 , H04N19/176 , H04N19/51 , H04N19/52 , H04N19/513 , H04N19/70
Abstract: 本发明公开了一种利用生成网络提高视频错误隐藏效果的方法。本发明基于H.264标准的错误隐藏技术的基础之上，通过构造一个CNN结构的网络G，将修复后16*16大小的宏块经过G处理以实现提高其PSNR的目的。另外我们在G网络中将输入图像直接映射到输出图像之前，将其与网络拟合的残差相加，得到最终的输出，值得注意的是本方法只针对H.264标准，不适合其他视频编码标准。本发明相能够使网络收敛更快，更快更好地得到训练结果。深度神经网络在图像处理中是高效的工具，在帧间隐藏技术基础上加入神经网络能提高修复后宏块的psnr值，使整张图片的质量更高，视频的错误隐藏效果也就越好。
-
公开(公告)号：CN107613299A
公开(公告)日：2018-01-19
申请号：CN201710902237.2
申请日：2017-09-29
Applicant: 杭州电子科技大学
IPC: H04N19/176 , H04N19/149 , H04N19/129 , H04N19/587 , H04N19/139
Abstract: 本发明公开了一种利用生成网络提高帧速率上转换效果的方法。本发明包括如下步骤：1：将原始视频通过JM18.6进行压缩，得到压缩后的视频，然后将压缩后的视频通过保留单数帧，对双数帧进行重构，利用基于方向选择运动估计的帧速率上转换算法得到双数帧的重构帧；2：构造生成网络G，将重构帧IE输入到神经网络中并训练，将原始的视频中的对应帧IR与网络输出做对比，并将误差反向传播，在多次调整后得到最优的修复效果；3：反复执行步骤(1)(2)，直至误差变化率不变或小于设定阈值；4：应用训练好的网络，将经过帧速率上转换的重构帧输入网络，得到高质量的图像。本发明提高重构帧的psnr值和质量，使得帧率上转化效果提高。
-
公开(公告)号：CN108416733A
公开(公告)日：2018-08-17
申请号：CN201810122736.4
申请日：2018-02-07
Applicant: 杭州电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种不降低质量且快速的图像超分辨率方法。本发明包括如下步骤：步骤1、对一张低质量图象进行的线性插值得到IL。步骤2、根据角度、深度和相关度性质对不同的像素进行分类。步骤3、利用一个角度的片推导其他角度的片。推导规则如下：步骤4、根据片中不同种类的像素点，训练滤波器。步骤5、线性插值处理后的低质量图象IL与滤波后的图象Ⅰ进行有权重的融合。本发能够在占用较少的硬件资源的基础上，快速地将一张低质量图片转化为高质量图片，并且本算法生成的图片的效果足够好，与现在最优的几种算法效果相近。本算法适合在需要快速生成图像和硬件水平较低的情形下使用。
-
-
-
Search Results
4
records
(took 0.038 seconds)
