-
公开(公告)号：CN117793538B
公开(公告)日：2024-06-25
申请号：CN202410200816.2
申请日：2024-02-23
Applicant: 北京理工大学 , 杭州电子科技大学丽水研究院 , 杭州电子科技大学
Abstract: 本申请提出了一种图像自动曝光矫正与增强方法及装置，该方法包括：根据正常曝光Raw图像数据中的线性关系，构造有监督的异常曝光图像数据集；构建全局亮度调整网络与频率增强重建网络，将异常曝光图像数据集输入全局亮度调整网络，得到亮度矫正图像，将亮度矫正图像输入频率增强重建网络，得到矫正增强图像；基于矫正增强图像与正常曝光Raw图像数据，计算损失值，并基于损失值对其网络模型参数进行优化，得到优化模型；将其他图像输入优化模型得到优化图像，根据图像质量评价指标评价优化图像，得到客观评估指标。基于本申请提出的方案，能够对原始Raw图像数据达到自动曝光矫正与增强的效果，从而应对复杂环境下成像质量低的问题。
-
公开(公告)号：CN119206089A
公开(公告)日：2024-12-27
申请号：CN202411688325.3
申请日：2024-11-25
Applicant: 杭州电子科技大学 , 新华智云科技有限公司 , 浙江科技大学
Abstract: 本发明公开了一种基于圆锥射线神经辐射场的人体三维重建方法，首先进行人体视频图像预处理；然后初始化圆锥射线并采样,得到采样点并利用多维高斯函数来表达圆锥截面；之后初始化潜在代码和SMPL人体模型；进行SMPL人体模型潜在代码扩散，SMPL人体模型密度和颜色回归；最后通过SMPL人体模型体绘制进行对人体的三维重建。本发明引入了圆锥射线的概念，能够捕捉到更多的光线信息。这样可以更准确地表达重建模型的整体颜色，使得重建的人体模型在颜色上更真实、更自然。能够更好地处理边缘过渡问题，减少锯齿现象，使得重建的人体模型在边缘轮廓上更加平滑、细腻，提高了视觉质量。
-
公开(公告)号：CN117408962A
公开(公告)日：2024-01-16
申请号：CN202311342512.1
申请日：2023-10-17
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06T7/11 , G06N3/0464
Abstract: 本发明公开了一种基于双重U‑Net卷积神经网络的3D医学图像分割方法。首先进行数据预处理；然后构建基于双重U‑Net卷积神经网络的3D医学图像分割的训练网络，训练该网络形成产生具有3D医学图像分割效果的网络模型；经过训练的3D医学图像分割网络模型接收预处理后的数据集中的测试集图像，完成分割处理后将图像输出，验证3D医学图像分割网络模型效果。相比于现有的使用全卷机神经网络的分割方法，本发明方法能获得更大的感受野和更高的分辨率特征。相比于现有使用基于transformer的分割方法了，本发明方法需要更少的训练数据集和更少的内存以及计算成本。
-
公开(公告)号：CN115511858A
公开(公告)日：2022-12-23
申请号：CN202211230036.X
申请日：2022-10-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于新型时序特征关系映射的视频质量评价方法。本发明使用预训练的特征提取网络提取帧级别的特征，再利用Bi‑LSTM网络捕捉视频序列上下文信息的内容感知特征与帧级质量的长期依赖关系，结合该网络输出的隐藏状态与预训练的特征提取网络提取到的帧级别的特征构建了一种新型时序特征关系图，充分利用了视频序列相邻帧以及间隔帧之间的长短期时序关系。本发明利用双向长短期记忆神经网络进行时序建模在时间维度上更为有效地融合了视频序列的内容感知特征，同时构建的新型时序特征关系图也更有效地捕捉视频在短期内的时序信息变化，为后序质量预测任务的展开提供了丰富的时序信息。
-
公开(公告)号：CN115329213A
公开(公告)日：2022-11-11
申请号：CN202210955735.4
申请日：2022-08-10
Applicant: 杭州电子科技大学 , 新华融合媒体科技发展(北京)有限公司
IPC: G06F16/9536 , G06Q30/06 , G06N3/04
Abstract: 本发明公开了一种基于双通道变分超图自编码器的协同过滤推荐方法，首先对用户‑物品交互数据以超图形式进行建模；然后获得的超图生成其对偶超图；再利用双通道变分超图自编码器分别对用户和物品进行特征提取，生成用户嵌入和物品嵌入，并计算用户喜欢该物品的概率；最后训练双通道变分超图自编码器模型。本发明技术方案将用户‑物品交互信息以超图形式建模，可以捕获用户和物品间的高阶复杂关系，并且采用带有跳跃连接优化的变分超图自编码器学习用户和物品的潜在分布，能够带来更好的推荐效果。
-
Patent Agency Ranking
公开(公告)号：CN115131254A
公开(公告)日：2022-09-30
申请号：CN202210768954.1
申请日：2022-06-30
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于双域学习的恒定码率压缩视频质量增强方法，首先进行数据预处理，获取高质量及低质量的视频帧数据集；再构建多帧视频增强网络模型；使用生成的数据集训练多帧视频增强网络模型；最后将低质量的视频帧输入模型得到高质量视频帧，并计算峰值信噪比。本发明通过帧间对齐、帧间融和以及在离散余弦变换域中使用卷积估计压缩量化损失叠加到卷积特征域，使得低质量视频帧能捕捉离散余弦变化域的损失信息。本发明构建的多帧视频增强网络模型是个多尺度的结构，存在上采样和下采样操作。在离散余弦变换的多尺度结构中，本发明提出0.5倍离散余弦变换来代替像素洗牌上采样，能好地还原出量化损失的部分。
-
公开(公告)号：CN114125460A
公开(公告)日：2022-03-01
申请号：CN202111265265.0
申请日：2021-10-28
Applicant: 杭州电子科技大学
IPC: H04N19/182 , H04N19/18 , H04N19/86 , H04N19/48 , H04N19/186 , H04N19/124 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种定码率压缩视频质量增强方法，首先将原始视频压缩成对应的定码率压缩视频；然后搭建图像增强网络模型，训练图像增强网络模型；最后，将压缩后的定码率压缩视频输入视频增强网络模型得到增强后的高质量视频。本发明方法通过采用提出的定码率压缩视频质量增强网络模型作为视频增强模型，对定码率压缩视频进行增强，使经过网络增强后的定码率压缩视频的观感质量获得提升。
-
公开(公告)号：CN113554566A
公开(公告)日：2021-10-26
申请号：CN202110863831.1
申请日：2021-07-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于可学习频域先验的去摩尔纹系统及方法。本发明使用一个统一的框架来执行摩尔纹消除和颜色恢复两个任务，通过学习频域先验从图像中分离出摩尔纹，再进行全局和局部的色调映射以实现精确的颜色恢复。通过在索贝尔滤波中引入膨胀率来构造三维索贝尔损失，可以在多个尺度上感知结构高频信息，并显著提高去摩尔纹的性能，改进后的索贝尔滤波器提供了2个45度的附加滤波器。可以使用任何块大小的通带来拟合莫尔条纹的频率先验。通过几个不同密集块大小的可学习滤波带通来拟合频率先验，带来了明显的性能增益，但几乎没有增加额外的计算负担。
-
公开(公告)号：CN119583964A
公开(公告)日：2025-03-07
申请号：CN202411575059.3
申请日：2024-11-06
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种多曝光图像融合的HDR视频生成方法及系统。首先通过双相机采集模块实现多曝光图像捕获，然后通过处理单元对采集到的多曝光图像数据进行帧同步及数据预处理。之后基于多曝光图像融合的HDR视频生成网络生成HDR视频，经过HDR视频生成网络生成的视频流将被传送至推流模块，通过推流模块根据需求将生成的HDR视频以不同格式输出。本发明采用以任意曝光时间图像为参考的策略，通过高帧率的低曝光与间歇式的中高曝光图像采集，实现了高动态范围的视频生成，并能够灵活适应各种场景，不受曝光时间对生成视频帧率的影响。
-
公开(公告)号：CN119559394A
公开(公告)日：2025-03-04
申请号：CN202411629927.1
申请日：2024-11-15
Applicant: 杭州电子科技大学
IPC: G06V10/26 , G06V10/40 , G06V10/80 , G06V10/82 , G06V10/74 , G06N3/0464 , G06N3/0455 , G06N3/047
Abstract: 本发明涉及一种面向多模态少样本语义分割的跨尺度特征匹配方法结合不同模态特点，实现有选择性的跨模态特征融合；利用提出的像素‑图像块互注意力匹配模块(pixel‑to‑patch cross attention，PTPCA)，实现不同尺度的支持查询对象特征匹配，进而对无标签的新类图像做出准确的像素级分割。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.037 seconds)
