-
公开(公告)号：CN114786007B
公开(公告)日：2024-04-19
申请号：CN202210277960.7
申请日：2022-03-21
Applicant: 鹏城实验室
IPC: H04N19/107 , H04N19/503 , H04N19/593 , H04N19/136 , H04N19/172 , H04N19/587 , H04N19/59 , G06V20/40 , G06V10/762 , G06V10/764 , G06N3/08
Abstract: 本发明公开了一种结合编码与图像超分辨率的智能视频传输方法及系统。本发明对于目标视频的每个视频块，对关键帧利用下采样神经网络模型进行下采样后得到低分辨率关键帧，再利用超分神经网络模型进行超分，得到超分关键帧后，以超分关键帧为参考帧编码非关键帧，将下采样后的低分辨率关键帧进行编码，得到第一编码文件，将非关键帧的编码文件作为第二编码文件，将超分神经网络模型、第一编码文件和第二编码文件传输给播放端，这样视频压缩效率提高，既减小了文件的传输大小，降低传输时间，同时播放端也只需要超分部分的视频帧，对播放端的算力要求低，能够有效提升移动视频的传输质量，提升用户的视频观看体验。
-
Patent Agency Ranking
公开(公告)号：CN111460329A
公开(公告)日：2020-07-28
申请号：CN202010237345.4
申请日：2020-03-30
Applicant: 鹏城实验室
IPC: G06F16/9537 , G16H50/80
Abstract: 本申请实施例公开了一种信息查询方法、系统、终端及计算机存储介质，用于排查传染病患者所接触过的人群及到访过的地点。本申请实施例方法包括：在确定患者为系统用户之后，信息查询系统根据该患者发送的第一接触记录，查找到该第一接触记录包括的用户标识符所对应的广播终端用户，进而确定该广播终端用户为高感染风险者。相比于通过患者回忆所接触的人员，本申请实施例能够记录患者所接触的人员，无需患者回忆，避免了因为患者记忆模糊而导致结果与实际情况不符，提高了高感染风险者排查的准确性。同时，无需排查人员对患者进行询问，降低了排查人员的感染风险。
-
公开(公告)号：CN114786007A
公开(公告)日：2022-07-22
申请号：CN202210277960.7
申请日：2022-03-21
Applicant: 鹏城实验室
IPC: H04N19/107 , H04N19/503 , H04N19/593 , H04N19/136 , H04N19/172 , H04N19/587 , H04N19/59 , G06K9/62 , G06V20/40 , G06N3/08
Abstract: 本发明公开了一种结合编码与图像超分辨率的智能视频传输方法及系统。本发明对于目标视频的每个视频块，对关键帧利用下采样神经网络模型进行下采样后得到低分辨率关键帧，再利用超分神经网络模型进行超分，得到超分关键帧后，以超分关键帧为参考帧编码非关键帧，将下采样后的低分辨率关键帧进行编码，得到第一编码文件，将非关键帧的编码文件作为第二编码文件，将超分神经网络模型、第一编码文件和第二编码文件传输给播放端，这样视频压缩效率提高，既减小了文件的传输大小，降低传输时间，同时播放端也只需要超分部分的视频帧，对播放端的算力要求低，能够有效提升移动视频的传输质量，提升用户的视频观看体验。
-
公开(公告)号：CN111653358A
公开(公告)日：2020-09-11
申请号：CN202010475670.4
申请日：2020-05-29
Applicant: 鹏城实验室
Abstract: 本申请实施例公开了一种感染风险评估方法、第一终端及计算机存储介质，用于评估用户与其他人员接触之后的感染风险。本申请实施例方法包括：第一终端用户与第二终端的用户接触时，第一终端可以从第二终端接收到广播信息，并从广播信息中获取到第二终端用户的感染风险，由于第二终端用户的感染风险是影响第一终端用户的感染风险的主要因素，因此可以根据第二终端用户的感染风险来评估第一终端用户的感染风险，第一终端用户可以获知在与第二终端的用户接触之后的感染风险，并可以根据感染风险的程度大小来采取对应的防护措施，如佩戴口罩，或者远离人群、减少与他人近距离接触等措施，从而进行有针对性的防护。
-
公开(公告)号：CN112636998B
公开(公告)日：2022-03-08
申请号：CN202011330617.1
申请日：2020-11-24
Applicant: 鹏城实验室 , 清华大学深圳国际研究生院 , 南方科技大学
IPC: H04L43/0805 , H04L43/0876 , H04L41/06 , G06N20/00
Abstract: 本发明公开了一种基于机器学习的域内故障检测方法、终端及存储介质，通过根据网络拓扑中每个节点的度数以及所述每个节点在所述网络拓扑中跳数最小的路径中出现的频率，确定监测节点；获取所述监测节点的监测数据，对所述监测数据进行特征工程，得到被监测的节点和链路的流量特征变化信息；根据预设分类算法以及所述流量特征变化信息确定故障的节点。可见，本发明中在进行域内故障检测时完全不需要使用探测包进行检测，即无需受到探测包频率的影响，并且本发明不会对影响网络性能，也不会造成网络反馈延时，因此解决了现有技术中在进行域内故障检测时难以确定合适的探测包发送频率的问题。
-
公开(公告)号：CN112636998A
公开(公告)日：2021-04-09
申请号：CN202011330617.1
申请日：2020-11-24
Applicant: 鹏城实验室 , 清华大学深圳国际研究生院 , 南方科技大学
Abstract: 本发明公开了一种基于机器学习的域内故障检测方法、终端及存储介质，通过根据网络拓扑中每个节点的度数以及所述每个节点在所述网络拓扑中跳数最小的路径中出现的频率，确定监测节点；获取所述监测节点的监测数据，对所述监测数据进行特征工程，得到被监测的节点和链路的流量特征变化信息；根据预设分类算法以及所述流量特征变化信息确定故障的节点。可见，本发明中在进行域内故障检测时完全不需要使用探测包进行检测，即无需受到探测包频率的影响，并且本发明不会对影响网络性能，也不会造成网络反馈延时，因此解决了现有技术中在进行域内故障检测时难以确定合适的探测包发送频率的问题。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
