-
Patent Agency Ranking
公开(公告)号：CN116389716A
公开(公告)日：2023-07-04
申请号：CN202310410467.2
申请日：2023-04-18
Applicant: 福州大学
IPC: H04N17/00 , H04N21/475 , G06V20/40 , G06V10/77 , G06V10/82 , G06N3/0442 , G06N3/045
Abstract: 本发明提出一种基于感知和记忆的视频动态质量评价系统，基于计算机系统，采用包括：感知特征提取模块和长短期记忆模块的视频动态质量评价模型PAM‑DVQI，对输入的视频输出用户体验质量评分；所述视频动态质量评价模型基于视频主观数据库，考虑HVS的视觉注意力机制以及记忆效应的时间依赖关系，结合ResNet网络和LSTM网络，构建并训练获得。相比于现有技术，根据采取对比算法、消融实验，对所提的模型进行性能分析的结果均具有显著优势。
-
公开(公告)号：CN111726613B
公开(公告)日：2021-07-27
申请号：CN202010609415.4
申请日：2020-06-30
Applicant: 福州大学
IPC: H04N19/124 , H04N19/154 , H04N19/176 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于最小可觉差的视频编码优化方法，包括以下步骤：步骤S1：对已经压缩过的原始视频数据进行预处理，剔除不具备参考价值的平坦帧；步骤S2：根据预处理后的视频及其初始QP，采用VGG神经网络，以分类任务的形式预测每个视频帧低于JND阈值的最优QP值；步骤S3:根据得到的最优QP值，作为原始视频的新QP值进行重新编码。与原视频相比，本发明能够在在不影响视频感知质量的情况下达到更低的编码比特率。
-
公开(公告)号：CN111862212B
公开(公告)日：2022-06-14
申请号：CN202010734926.9
申请日：2020-07-28
Applicant: 福州大学
Abstract: 本发明涉及一种基于图正则化多视图特征嵌入的多类目标协同定位方法，首先采用基于图正则化多视图嵌入的方法对每幅输入图像的协同显著图进行融合，以获取加入正则化项的融合显著图；然后利用学习到的前景先验知识，采用GrabCut算法对融合显著图进行粗分割；最后通过图的连通性对分割进行细化，以获取目标协同定位结果。本发明能够提高多类目标定位的精度。
-
公开(公告)号：CN111862212A
公开(公告)日：2020-10-30
申请号：CN202010734926.9
申请日：2020-07-28
Applicant: 福州大学
Abstract: 本发明涉及一种基于图正则化多视图特征嵌入的多类目标协同定位方法，首先采用基于图正则化多视图嵌入的方法对每幅输入图像的协同显著图进行融合，以获取加入正则化项的融合显著图；然后利用学习到的前景先验知识，采用GrabCut算法对融合显著图进行粗分割；最后通过图的连通性对分割进行细化，以获取目标协同定位结果。本发明能够提高多类目标定位的精度。
-
公开(公告)号：CN111726613A
公开(公告)日：2020-09-29
申请号：CN202010609415.4
申请日：2020-06-30
Applicant: 福州大学
IPC: H04N19/124 , H04N19/154 , H04N19/176 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于最小可觉差的视频编码优化方法，包括以下步骤：步骤S1：对已经压缩过的原始视频数据进行预处理，剔除不具备参考价值的平坦帧；步骤S2：根据预处理后的视频及其初始QP，采用VGG神经网络，以分类任务的形式预测每个视频帧低于JND阈值的最优QP值；步骤S3:根据得到的最优QP值，作为原始视频的新QP值进行重新编码。与原视频相比，本发明能够在在不影响视频感知质量的情况下达到更低的编码比特率。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
