-
Patent Agency Ranking
公开(公告)号：CN112541926A
公开(公告)日：2021-03-23
申请号：CN202011489941.8
申请日：2020-12-15
Applicant: 福州大学
Abstract: 本发明涉及一种基于改进FCN和DenseNet的歧义像素优化分割方法，包括以下步骤：步骤S1：选取分割数据集，完成分割数据集的预处理，然后进一步完成分割数据集到分类数据集的转换制作；步骤S2：提出了一种新的语义分割网络Atrous‑ResFCN‑8s/16s/32s，并且将两个不同层次的Atrous‑ResFCN网络结合起来，用于确定语义分割的歧义像素；步骤S3：提出了一种新的图像分类网络MFR‑DenseNet，用于优化判断确定的歧义像素；将优化判断的歧义像素进行逐像素的比对还原，实现最终的分割结果。本发明有效地提高了图像分割分类精度，具有非常广泛的应用前景。
-
公开(公告)号：CN119383349A
公开(公告)日：2025-01-28
申请号：CN202411501001.4
申请日：2024-10-25
Applicant: 福州大学
IPC: H04N19/172 , H04N19/176 , H04N19/20 , H04N19/182
Abstract: 本发明提供一种高效视频编码中的压缩效应感知与评价方法及系统，构建结合注意力学习和数据重加权的深度压缩效应感知模型，将每类压缩效应的正负样本输入网络中，分别训练得到相应的压缩效应的感知模型；基于训练获得的压缩效应感知模型，并考虑视觉显著性和视觉中心凹效应的影响，计算视频压缩效应强度值；通过主观测试，计算视频的平均主观得分，以建立视频压缩效应强度值与视频平均主观质量分数的映射关系，实现面向压缩效应感知的视频质量评价。
-
公开(公告)号：CN112541926B
公开(公告)日：2022-07-01
申请号：CN202011489941.8
申请日：2020-12-15
Applicant: 福州大学
IPC: G06T7/11 , G06N3/04 , G06K9/62 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种基于改进FCN和DenseNet的歧义像素优化分割方法，包括以下步骤：步骤S1：选取分割数据集，完成分割数据集的预处理，然后进一步完成分割数据集到分类数据集的转换制作；步骤S2：提出了一种新的语义分割网络Atrous‑ResFCN‑8s/16s/32s，并且将两个不同层次的Atrous‑ResFCN网络结合起来，用于确定语义分割的歧义像素；步骤S3：提出了一种新的图像分类网络MFR‑DenseNet，用于优化判断确定的歧义像素；将优化判断的歧义像素进行逐像素的比对还原，实现最终的分割结果。本发明有效地提高了图像分割分类精度，具有非常广泛的应用前景。
-
公开(公告)号：CN114401400B
公开(公告)日：2024-06-14
申请号：CN202210057728.2
申请日：2022-01-19
Applicant: 福州大学
IPC: H04N17/04 , H04N19/149 , H04N19/154 , H04N19/184 , H04N19/20
Abstract: 本发明提出一种基于视觉显著性编码效应感知的视频质量评测方法及系统，首先引入视觉显著性模型提取视频显著性图；接着通过图像灰度变换技术增强图像显著性区域的对比度，以更准确地从显著性图中提取显著性区域；最后利用提出的编码效应检测模型测量显著性区域的压缩效应，以实现压缩效应的强度值到视频质量的映射，构建了压缩视频质量评价模型。实验结果表明了所提出模型在评估压缩视频质量上性能的优越性。
-
公开(公告)号：CN114401400A
公开(公告)日：2022-04-26
申请号：CN202210057728.2
申请日：2022-01-19
Applicant: 福州大学
IPC: H04N17/04 , H04N19/149 , H04N19/154 , H04N19/184 , H04N19/20
Abstract: 本发明提出一种基于视觉显著性编码效应感知的视频质量评测方法及系统，首先引入视觉显著性模型提取视频显著性图；接着通过图像灰度变换技术增强图像显著性区域的对比度，以更准确地从显著性图中提取显著性区域；最后利用提出的编码效应检测模型测量显著性区域的压缩效应，以实现压缩效应的强度值到视频质量的映射，构建了压缩视频质量评价模型。实验结果表明了所提出模型在评估压缩视频质量上性能的优越性。
-
-
-
-
Search Results
5
records
(took 0.026 seconds)
