-
公开(公告)号：CN118865075B
公开(公告)日：2024-12-03
申请号：CN202411319739.9
申请日：2024-09-23
Applicant: 华侨大学
IPC: G06V10/98 , G06N3/043 , G06N3/0464 , G06V10/776 , G06V10/82
Abstract: 本发明公开了一种基于分层时空感知的屏幕内容视频质量评价方法及装置，涉及视频评价领域，包括：提取屏幕内容视频中的若干个碎片化视频和若干个关键帧并输入经训练的屏幕内容视频质量评价模型，每个关键帧输入显著性计算模块筛选出若干个显著视频块，每个显著视频块输入双通道卷积神经网络，得到每个阶段的多层特征并输入块级质量评估模块，经过空间门特征增强模块，得到每个阶段的增强特征并输入块级质量聚合模块，得到每个视频块的块级质量分数；采用自适应加权策略计算得到空域感知质量分数；碎片化视频输入时域感知质量评估支路，得到时域感知质量分数，两者结合计算得到屏幕内容视频的质量分数，解决现有视频质量评价方法可靠性差的问题。
-
公开(公告)号：CN120067773A
公开(公告)日：2025-05-30
申请号：CN202510535293.1
申请日：2025-04-27
Applicant: 华侨大学
IPC: G06F18/24 , G06F18/213 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了基于双核化单类宽度学习自编码器的入侵信号检测方法，涉及信号检测技术领域，方法包括：将接收的信号数据划分为训练集和测试集；使用核函数映射信号数据至特征层，并通过生成的随机矩阵重构数据以获得第一最优核函数矩阵；对特征层数据进行增强处理，得到第二最优核函数矩阵；串联重构的特征层与增强层形成隐藏层，计算其重构误差作为损失函数，求解得出输出层权重矩阵；基于训练集信号数据的重构损失设定判断阈值；结合第一和第二最优核函数矩阵、输出层权重矩阵及判断阈值，识别测试集中的入侵信号。本发明通过两次核函数映射及重构优化处理信号数据，提高了入侵信号检测的准确性。
-
公开(公告)号：CN119180752B
公开(公告)日：2025-02-25
申请号：CN202411678685.5
申请日：2024-11-22
Applicant: 华侨大学 , 厦门松霖科技股份有限公司
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T3/4046
Abstract: 本发明公开了一种基于高效频域Transformer的轻量级图像超分辨率方法及装置，涉及图像处理领域，包括：构建基于高效频域Transformer的图像超分辨率模型并训练，得到经训练的图像超分辨率模型，图像超分辨率模型包括第一卷积层、亚像素卷积层、第二卷积层以及若干个高效频域Transformer模块；获取待重建的低分配率图像和上采样因子并输入经训练的图像超分辨率模型，先经过第一卷积层，得到第一卷积层的输出特征，第一卷积层的输出特征依次经过若干个高效频域Transformer模块，将最后一个高效频域Transformer模块的输出特征与第一卷积层的输出特征相加，得到第二相加结果，第二相加结果依次经过亚像素卷积层和第二卷积层，得到高分辨率重建图像。本发明克服现有Transformer方法计算复杂度过高的问题。
-
公开(公告)号：CN119809940A
公开(公告)日：2025-04-11
申请号：CN202510287141.4
申请日：2025-03-12
Applicant: 华侨大学 , 信泰(福建)科技有限公司
IPC: G06T3/4076 , G06N3/0464 , G06N3/048 , G06T3/4046 , G06V10/44 , G06V10/80 , G06V10/82
Abstract: 一种基于状态模型的光场图像超分辨率重建方法和装置，包括：构建浅层特征提取模块，用于对输入的待重建的光场图像的子孔径图像形式提取浅层特征；利用状态空间模型构建深层特征提取单元；基于所述深层特征提取单元构建光场空角特征重建模块，用于对所述浅层特征重建光场空角特征；基于所述深层特征提取单元构建光场结构特征重建模块，用于对所述浅层特征重建光场结构特征；构建高分辨率图像重建模块，用于将所述浅层特征、所述光场空角特征和所述光场结构特征进行层次特征融合和上采样得到重建高分辨率光场图像。本发明通过利用状态空间模型的动态特性，显著提升光场图像超分辨率方法的全局空角信息表征能力和细节重建能力。
-
公开(公告)号：CN119205752B
公开(公告)日：2025-03-14
申请号：CN202411703532.1
申请日：2024-11-26
Applicant: 华侨大学 , 厦门松霖科技股份有限公司
IPC: G06T7/00 , G06N3/045 , G06V10/26 , G06V10/52 , G06V10/54 , G06V10/80 , G06V10/82 , G06V20/40 , H04N17/00
Abstract: 本发明公开了一种基于注意力引导的屏幕内容视频质量评价方法及装置，涉及视频质量评价领域，包括：构建时空融合的屏幕内容视频质量评价模型并训练，得到经训练的屏幕内容视频质量评价模型，屏幕内容视频质量评价模型包括空域质量评价分支和时域质量评价分支；获取屏幕内容视频并提取得到若干个碎片化视频和若干个关键帧；将每个碎片化视频和关键帧输入经训练的屏幕内容视频质量评价模型，分别经过空域质量评价分支和时域质量评价分支，得到空域质量分数和时域质量分数，两者结合得到屏幕内容视频的质量分数。本发明解决现有视频质量评价方法的敏感性差，视觉质量评价准确度低等问题。
-
Patent Agency Ranking
公开(公告)号：CN119205752A
公开(公告)日：2024-12-27
申请号：CN202411703532.1
申请日：2024-11-26
Applicant: 华侨大学 , 厦门松霖科技股份有限公司
IPC: G06T7/00 , G06N3/045 , G06V10/26 , G06V10/52 , G06V10/54 , G06V10/80 , G06V10/82 , G06V20/40 , H04N17/00
Abstract: 本发明公开了一种基于注意力引导的屏幕内容视频质量评价方法及装置，涉及视频质量评价领域，包括：构建时空融合的屏幕内容视频质量评价模型并训练，得到经训练的屏幕内容视频质量评价模型，屏幕内容视频质量评价模型包括空域质量评价分支和时域质量评价分支；获取屏幕内容视频并提取得到若干个碎片化视频和若干个关键帧；将每个碎片化视频和关键帧输入经训练的屏幕内容视频质量评价模型，分别经过空域质量评价分支和时域质量评价分支，得到空域质量分数和时域质量分数，两者结合得到屏幕内容视频的质量分数。本发明解决现有视频质量评价方法的敏感性差，视觉质量评价准确度低等问题。
-
公开(公告)号：CN120075449A
公开(公告)日：2025-05-30
申请号：CN202510550540.5
申请日：2025-04-29
Applicant: 华侨大学
IPC: H04N19/172 , H04N19/51 , H04N19/85 , H04N19/91 , H04N19/139 , H04N19/42 , G06V20/40 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T7/269 , G06T7/00 , G06V10/80 , G06V10/82
Abstract: 本发明涉及视频压缩技术领域，公开了一种基于上下文的双目视频压缩方法，采用两个相同的通道分别逐帧处理左右视点的帧序列，得到左右视点的重建帧序列，组合成为压缩后的双目视频。两个通道均包括上下文生成单元和视频重建单元，上下文生成单元接收当前帧、运动参考帧和视差参考帧，得到最终上下文信息；视频重建单元接收当前帧和当前帧的最终上下文信息，获得重建帧；通过迭代的方式重建帧序列中的每一帧；左右视点的运动参考帧均为该视点上一时刻的重构帧，左视点的视差参考帧为右视点当前时刻的重构帧，右视点的视差参考帧为左视点当前时刻的运动上下文信息。本发明能够在保证视频质量的前提下，提高双目视频的压缩比。
-
公开(公告)号：CN119991973A
公开(公告)日：2025-05-13
申请号：CN202510480150.5
申请日：2025-04-17
Applicant: 华侨大学
IPC: G06T17/00
Abstract: 本发明公开了一种基于多尺度高斯球的动态场景重建方法及装置，涉及计算机视觉领域，包括：采用运动恢复结构算法对待重建的视频帧序列进行处理，生成稀疏点云，对稀疏点云进行初始化，生成3D高斯球集合；采用双域变形模型和自适应时间戳对3D高斯球集合进行处理，得到变形的3D高斯球集合；对变形的3D高斯球集合进行多尺度高斯处理，生成多尺度高斯球集合；对多尺度高斯球集合进行基于像素覆盖率的高斯筛选，得到优化后的多尺度高斯球集合；基于优化后的多尺度高斯球集合进行Alpha混合处理，重建得到抗锯齿动态渲染场景图像。本发明解决了目前动态场景重建的计算开销大且存在混叠效应等问题。
-
公开(公告)号：CN119561791B
公开(公告)日：2025-04-22
申请号：CN202510114211.6
申请日：2025-01-24
Applicant: 华侨大学
IPC: H04L9/40 , G06N3/0455 , G06F18/2433
Abstract: 本发明涉及入侵流量检测领域，公开了一种基于宽度网络的集成单分类异常流量检测方法及系统，方法包括如下步骤：采样步骤，根据采样概率抽取一定比例的正常数据；训练步骤，利用所述正常数据训练宽度自编码网络，作为弱分类器；更新步骤，根据样本重构误差计算当前弱分类器的置信度，并更新样本的采样概率；集成步骤，重复采样步骤至更新步骤，直到获得若干个弱分类器，集成获得异常流量检测模型；检测步骤，利用异常流量检测模型对未知样本进行异常检测，得到多个弱分类器的异常检测结果，根据弱分类的置信度对异常检测结果加权得到最终的检测结果。本发明将宽度学习自编码网络应用在单分类问题，解决了深度网络训练慢、消耗内存大等问题。
-
公开(公告)号：CN119561791A
公开(公告)日：2025-03-04
申请号：CN202510114211.6
申请日：2025-01-24
Applicant: 华侨大学
IPC: H04L9/40 , G06N3/0455 , G06F18/2433
Abstract: 本发明涉及入侵流量检测领域，公开了一种基于宽度网络的集成单分类异常流量检测方法及系统，方法包括如下步骤：采样步骤，根据采样概率抽取一定比例的正常数据；训练步骤，利用所述正常数据训练宽度自编码网络，作为弱分类器；更新步骤，根据样本重构误差计算当前弱分类器的置信度，并更新样本的采样概率；集成步骤，重复采样步骤至更新步骤，直到获得若干个弱分类器，集成获得异常流量检测模型；检测步骤，利用异常流量检测模型对未知样本进行异常检测，得到多个弱分类器的异常检测结果，根据弱分类的置信度对异常检测结果加权得到最终的检测结果。本发明将宽度学习自编码网络应用在单分类问题，解决了深度网络训练慢、消耗内存大等问题。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.015 seconds)
