-
公开(公告)号：CN106204468B
公开(公告)日：2019-04-26
申请号：CN201610482594.3
申请日：2016-06-27
Applicant: 深圳市未来媒体技术研究院 , 清华大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明公开了一种基于ReLU卷积神经网络的图像去噪方法，包括以下步骤：搭建ReLU卷积神经网络模型，所述ReLU卷积神经网络模型包括多个卷积层和每个所述卷积层后的激活层，所述激活层为ReLU函数；选取训练集，并设置所述ReLU卷积神经网络模型的训练参数；根据所述ReLU卷积神经网络模型及其训练参数，以最小化损失函数为目标训练所述ReLU卷积神经网络模型形成图像去噪神经网络模型；将待处理的图像输入到所述图像去噪神经网络模型，输出去噪后的图像。本发明公开的基于ReLU卷积神经网络的图像去噪方法，极大地增强神经网络的学习能力，建立起噪声图像到干净图像的准确映射，可以实现实时去噪。
-
公开(公告)号：CN105704371B
公开(公告)日：2019-04-26
申请号：CN201610050596.5
申请日：2016-01-25
Applicant: 深圳市未来媒体技术研究院 , 清华大学深圳研究生院
IPC: H04N5/232
Abstract: 本发明涉及一种光场重聚焦方法，包括如下步骤：初始化，对于光场相机拍摄的图像，取出其对应的子孔径图；记录位置信息，对取出的光场相机的子孔径图，记录其位置信息；第一次超分辨：按顺序取其中一张子孔径图，使用已经训练好的超分辨方法对其进行一次超分辨；然后继续对下一张子孔径图使用同样的方法进行超分辨，直到最后所有的子孔径图都经过该超分辨方法的处理；超分辨聚焦过程：对于经上述步骤处理后的子孔径图，利用其相邻位置的子孔径图的信息，使用超分辨重构方法，通过这一系列子孔径图来获得一张高分辨的重聚焦图。最终得出的光场相机超分辨图的倍数远远大于传统超分辨所能获得的倍数，大大提高了使用传统方法获得光场相机图的分辨率。
-
公开(公告)号：CN106713929A
公开(公告)日：2017-05-24
申请号：CN201710084742.0
申请日：2017-02-16
Applicant: 清华大学深圳研究生院 , 深圳市未来媒体技术研究院
IPC: H04N19/503 , H04N19/124 , H04N19/149
CPC classification number: H04N19/503 , H04N19/124 , H04N19/149
Abstract: 本发明公开了一种基于深度神经网络的视频帧间预测增强方法，对不同内容的视频序列分组，并同时对不同的量化参数进行压缩，产生多个不同压缩率的训练集序列、测试集序列对并进行分组，从每个组的所有视频序列对中提取出图片，组成不同压缩率分组下的训练集、验证集图像对；基于深度卷积神经网络训练该压缩率分组下的视频帧间预测增强模型；测试帧间预测增强模型的有效性，在有效的情况下将训练得到模型移植入编码器视频帧间预测模块中；基于GPU利用并行开发工具将测试网络并行化，并编译为动态链接库文件，导入编码器中进行时间复杂度上的优化；既避免了每个量化参数下都分别需要训练的情况，同时也提高了在使用场景下的鲁棒性。
-
公开(公告)号：CN106408522A
公开(公告)日：2017-02-15
申请号：CN201610481466.7
申请日：2016-06-27
Applicant: 深圳市未来媒体技术研究院 , 清华大学深圳研究生院
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T2207/20081
Abstract: 本发明公开了一种基于卷积对神经网络的图像去噪方法，包括以下步骤：搭建卷积对神经网络模型，所述卷积对神经网络模型包括多个卷积对和相应的激活层；选取训练集，并设置所述卷积对神经网络模型的训练参数；根据所述卷积对神经网络模型及其训练参数，以最小化损失函数为目标训练所述卷积对神经网络模型形成图像去噪神经网络模型；将待处理的图像输入到所述图像去噪神经网络模型，输出去噪后的图像。本发明公开的基于卷积对神经网络的图像去噪方法，极大地增强神经网络的学习能力，建立起噪声图像到干净图像的准确映射，可以实现实时去噪。
-
公开(公告)号：CN106204467A
公开(公告)日：2016-12-07
申请号：CN201610481440.2
申请日：2016-06-27
Applicant: 深圳市未来媒体技术研究院 , 清华大学深圳研究生院
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T2207/20081 , G06T2207/20084
Abstract: 本发明公开了一种基于级联残差神经网络的图像去噪方法，包括以下步骤：搭建级联残差神经网络模型，所述级联残差神经网络模型由多个残差单元串联而成，其中每个所述残差单元包括多个卷积层、每个所述卷积层后的激活层和单位跳跃连接单元；选取训练集，并设置所述级联残差神经网络模型的训练参数；根据所述级联残差神经网络模型及其训练参数，以最小化损失函数为目标训练所述级联残差神经网络模型形成图像去噪神经网络模型；将待处理的图像输入到所述图像去噪神经网络模型，输出去噪后的图像。本发明公开的基于级联残差神经网络的图像去噪方法，极大地增强神经网络的学习能力，建立起噪声图像到干净图像的准确映射，可以实现实时去噪。
-
Patent Agency Ranking
公开(公告)号：CN106067161A
公开(公告)日：2016-11-02
申请号：CN201610349187.5
申请日：2016-05-24
Applicant: 深圳市未来媒体技术研究院 , 清华大学深圳研究生院
IPC: G06T3/40
CPC classification number: G06T3/4053 , G06T2207/20081 , G06T2207/20084
Abstract: 本发明涉及一种对图像进行超分辨的方法，属于计算机视觉领域。所述方法包括，A1:数据预处理：由一定数量的高分辨率自然图像构成数据集，从数据集中提取一定数量的图像小块，对图像小块进行3倍比例的Bicubic(双三次插值)下采样与上采样，从而得到分辨率较低的图像。A2:网络结构的设计，所设计的卷积神经网络总共有4层。A3:超参数的选取：主要确定网络学习速率，学习动量，batch_size等参数。A4:网络训练并优化超参数：对训练集内的所有图片，训练从低分辨率图像到对应高分辨率图像的卷积神经网络。训练好的网络，输入任意一张图像之后就可以获取高分辨率图像，从而实现图像的超分辨。
-
公开(公告)号：CN100435224C
公开(公告)日：2008-11-19
申请号：CN200610035474.5
申请日：2006-05-10
Applicant: 清华大学深圳研究生院 , 江苏银河电子股份有限公司
IPC: G11B7/09
Abstract: 本发明提出了一种光盘垂直偏差的检测方法，属于光存储设备性能测试技术领域，其特征在于它是基于光学头力矩器电压检测来获取光学盘面垂直偏差和翘曲参数。首先，利用多普勒激光测振仪来获取光学头力矩器在聚焦方向上的幅频特性；然后进行力矩器聚焦线圈上的驱动电压与光盘翘曲关系的检测。本发明方法，具有灵敏度高，测试简单易行等特点，尤其适应于DVD/CD等各类盘片以及机芯垂直偏差和平面翘曲的检测。
-
公开(公告)号：CN100383885C
公开(公告)日：2008-04-23
申请号：CN200410046357.X
申请日：2004-06-07
Applicant: 清华大学
IPC: G11B20/18
Abstract: 本发明涉及一种数字通用光盘的光学读取头驱动单元性能评价调整方法，属于光存储技术领域。首先从光学读取头驱动单元得到信号，并将其分为聚焦误差信号、循迹误差信号、盘片信息层信号、反射光斑信号及电机阻尼信号；对五类信号分别进行处理；将处理后的信号输出，与相应的设定标准值进行比较和评价，根据评价值，调整光学读取头驱动单元中的相应部件，完成评价调整。本发明的评价调整方法，采用分布式计算机控制技术、高速数据采集技术、可编程I/O接口技术和精密控制技术，对光学头驱动单元性能进行评价和调整。用本发明的方法指导光学读取头驱动单元的生产，有利于关键物料质量控制和工艺优化，从而提高生产直通率及产品一致性。
-
公开(公告)号：CN101004921A
公开(公告)日：2007-07-25
申请号：CN200610061768.5
申请日：2006-07-19
Applicant: 清华大学深圳研究生院 , 东莞宏威数码机械有限公司
Abstract: 一种涉及光学的光学读取方法和系统，该系统包括激光源、光源处理单元、光学信号处理单元和光学盘片，所述的光源处理单元对激光源进行光学能量处理，产生相关的激光光束，激光光学信号处理单元采用该激光光束完成对光学盘片中的信息读取，其特征在于：所述的激光源发射蓝光波段激光光束，该方法为：A.发射蓝光波段激光光束，B.对所述激光光束能量处理，产生中心强度为圆形的平行光束，C.采用所述平行光束的圆偏振光对光学盘片中的坑道信号数据进行聚光采集，D.将光学盘片表面坑道反射的圆偏振光转化为S偏振光，进行相应读取，本发明解决现有技术中光学盘片容量受限的问题，用于提高光学盘片的容量。
-
公开(公告)号：CN101004486A
公开(公告)日：2007-07-25
申请号：CN200610061767.0
申请日：2006-07-19
Applicant: 清华大学深圳研究生院 , 东莞宏威数码机械有限公司
Abstract: 本发明公开了一种激光读取头准直光路结构，包括准直透镜，其特征在于：准直透镜包括至少两个透镜的透镜组，准直光束依次通过各个透镜。本发明由于采用不少于两个的一组透镜来对激光进行准直，其中的每个透镜都能起到准直作用，前后透镜可以互相补偿象差，从而不需要制造加工工艺要求很高的非球面透镜，因此所需的透镜比较容易制造。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.02 seconds)
