-
Patent Agency Ranking
公开(公告)号：CN117857823A
公开(公告)日：2024-04-09
申请号：CN202410075676.0
申请日：2024-01-18
Applicant: 重庆邮电大学
IPC: H04N19/96 , H04N19/176 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种高效的多尺度CTU分区网络架构，属于视频编码领域。该网络架构包括一级预测结构、二级预测结构以及三级预测结构，其中，一级预测结构用于预测64×64CU是否需要划分，二级预测结构用于预测32×32CU是否需要划分；三级预测结构用于预测16×16CU是否需要划分；三级预测结构中包括多尺度特征提取层、深层特征提取层以及CU分区预测输出层，二级预测结构和一级预测结构中同样包括深层特征提取层以及CU分区预测输出层，而二级预测结构中是双尺度特征提取层，一级预测结构中是单尺度特征提取层。本发明对不同尺寸下CU的图像特征信息的提取，进而实现更加准确的CTU分区预测，从而降低HEVC的编码复杂度。
-
公开(公告)号：CN112330542B
公开(公告)日：2022-05-03
申请号：CN202011292962.0
申请日：2020-11-18
Applicant: 重庆邮电大学
Abstract: 本发明涉及图像超分辨率重建技术领域，具体涉及基于交叉残差信道‑空间注意力网络的图像重建系统及方法。包括：浅层特征提取模块、深层特征提取模块、上采样模块和重构层，浅层特征模块的输入为低分辨率图像，用于提取浅层特征；深层特征提取模块包括分频模块、交叉残差组，深层特征提取模块的输入为浅层特征模块的输出，用于提取深层特征；所述上采样模块的输入为深层特征，用于上采样；所述重构层用于重构特征，得到高分辨率图像。本发明的重建网络能够具有更强大的特征表达能力和区别学习的能力，能够重建出更高质量的高分辨率图像。
-
公开(公告)号：CN118115462A
公开(公告)日：2024-05-31
申请号：CN202410248044.X
申请日：2024-03-05
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于三重辅助信号和频率编码的医学图像分割系统，属于图像分割技术领域，包括编码器、三个全局频率‑局部空间信息编码和聚合模块GLAM以及三重辅助信号模块TSSM；所述编码器用于对输入图像进行特征提取；所述全局频率‑局部空间信息编码和聚合模块用于在空间域中捕获多尺度局部特征，在频率域中利用全局频率信息；所述三重辅助信号模块用于指导浅层特征，利用病灶区域的前景、背景和边缘信息进行学习，对病灶区域进行图像分割。
-
公开(公告)号：CN118052707A
公开(公告)日：2024-05-17
申请号：CN202410061142.2
申请日：2024-01-16
Applicant: 重庆邮电大学
IPC: G06T3/4053 , G06V10/764 , G06V10/82
Abstract: 本发明涉及一种基于Transformer的局部与全局交互融合的轻量级超分辨率重建方法，属于图像超分辨率重建领域。该方法包括：将低分辨率输入浅层特征提取层进行特征提取，得到浅层特征；将浅层特征输入深层特征提取层，并经由RLGTG模块中LGTM模块提取得到深度特征，其中，LGTM模块由局部自注意力和全局自注意力交替设置组成；将深度特征输入图像重建部分，经过特征采样、特征聚合最终重建出高分辨率图像。本发明通过交替地开发图像中区域内的自注意和不同区域间的自注意力，同时实现了对图像局部信息和全局结构信息的显式捕捉。本发明能够重建出更高质量的超分辨率图像，同时具有较低的参数量和计算复杂度。
-
公开(公告)号：CN112330542A
公开(公告)日：2021-02-05
申请号：CN202011292962.0
申请日：2020-11-18
Applicant: 重庆邮电大学
Abstract: 本发明涉及图像超分辨率重建技术领域，具体涉及基于交叉残差信道‑空间注意力网络的图像重建系统及方法。包括：浅层特征提取模块、深度特征提取模块)、上采样模块和重构层，浅层特征模块的输入为低分辨率图像，用于提取浅层特征；深度特征提取模块包括分频模块、交叉残差组，深度特征提取模块的输入为浅层特征模块的输出，用于提取深层特征；所述上采样模块的输入为深层特征，用于上采样；所述重构层用于重构特征，得到高分辨率图像。本发明的重建网络能够具有更强大的特征表达能力和区别学习的能力，能够重建出更高质量的高分辨率图像。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
