-
公开(公告)号：CN111800653B
公开(公告)日：2021-06-11
申请号：CN202010748734.3
申请日：2020-07-29
Applicant: 北京大学深圳研究生院
IPC: H04N21/2343 , H04N21/4402 , H04N21/472 , H04N21/643
Abstract: 本发明公开了一种视频解码方法、系统、设备及计算机可读存储介质，所述视频解码方法通过在对图像码流进行解码之前，先将待播放视频的不同视点所对应的背景帧码流进行解码，得到重建背景帧，使得提前完成了解码图像码流时的所必须的部分操作，减轻了设备在进行图像码流解码时的处理负担，提升了整体的视频解码效率；通过在解码时仅参考重建背景帧的这一独立参照依据对各路目标视频所对应的图像码流进行解码，由于各图像码流解码仅依赖重建背景帧，而不依赖已解码的其他图像，因此达到不同视点对应目标视频间的实时自由切换并流畅播放的目的，同时较之完全无帧间依赖的方式，具有更高的视频压缩效率，以及系统实现的简单性。
-
公开(公告)号：CN111754406A
公开(公告)日：2020-10-09
申请号：CN202010578505.1
申请日：2020-06-22
Applicant: 北京大学深圳研究生院
IPC: G06T3/40
Abstract: 本申请公开了一种图像分辨率处理方法、装置、设备和可读存储介质，方法包括获取待处理的内嵌有高频残差的低分辨率图像；对所述低分辨率图像分离出高频残差和降采样图像；对所述降采样图像进行上采样处理以获取高分辨率图像；将所述高分辨率图像与所述高频残差结合以获取高分辨率输出图像。对低分辨率图像，分离出高频残差以及降采样图像，将降采样图像进行上采样处理得到的高分辨率图像与高频残差结合得到高分辨率输出图像，引入高频残差使上采样处理后的图像能够恢复缺失的细节信息，图像的视觉质量以及逼真度更高。
-
公开(公告)号：CN109788285B
公开(公告)日：2020-07-28
申请号：CN201910145192.8
申请日：2019-02-27
Applicant: 北京大学深圳研究生院
IPC: H04N19/124 , H04N19/176 , H04N19/61 , H04N19/85 , H04N19/93
Abstract: 本说明书实施例提供一种量化系数结束标志位的上下文模型选取方法及装置。所述方法包括：获取当前量化系数结束标志位所对应的非零系数在特定扫描顺序下的扫描位置POS；所述扫描位置POS为所述扫描顺序下对应非零系数的下标；配置第一上下文模型数组，并以一固定值为底，计算所述扫描位置POS加1后所得到数值的对数值，根据所述对数值从所述第一上下文模型数组中选择第一上下文模型；并将所述第一上下文模型用于对所述当前量化系数结束标志位的二元符号进行编码或解码。采用本申请的技术方案，能够提升量化系数结束标志位的编解码效率，从而进一步提升视频编解码的效率。
-
公开(公告)号：CN109788284B
公开(公告)日：2020-07-28
申请号：CN201910144295.2
申请日：2019-02-27
Applicant: 北京大学深圳研究生院
IPC: H04N19/124 , H04N19/176 , H04N19/93
Abstract: 本说明书实施例提供一种量化块的解码方法、装置及电子设备。所述方法包括：确定量化块中量化系数的扫描顺序，初始化量化系数的扫描位置，并解码一个游程长度；将当前扫描位置的下标值与游程长度的值相加得到非零系数的扫描位置，对非零系数的值进行解码；判断非零系数的下标值是否为最大下标值，当为最大下标值时，结束量化块的解码；否则，判断是否还存在未解码的非零系数，当不存在未解码的非零系数时，结束量化块的解码；当存在未解码的非零系数时，将所述非零系数的下标值加1得到更新后的当前扫描位置，继续以当前扫描位置为起始扫描位置解码下一个游程长度，直至完成量化块的解码。采用本申请的技术方案，能够提升量化块的解码效率。
-
公开(公告)号：CN111062411A
公开(公告)日：2020-04-24
申请号：CN201911077440.6
申请日：2019-11-06
Applicant: 北京大学
Abstract: 本发明实施例公开了一种从质谱数据中识别多种化合物的方法、装置和设备，涉及混合物分析领域，该方法包括：提供混合物质谱数据集；对所述化合物质谱数据集进行数据预处理得到预处理数据集，所述数据预处理包括对所述混合物质谱数据集添加噪声和对所述混合物质谱数据集添加化合物类别标签；对所述预处理数据集使用卷积神经网络进行训练得到用于从质谱数据中识别化合物的识别模型；根据所述识别模型对目标质谱数据进行识别得到化合物信息。本发明分析串联质谱数据中的化学峰信息，且使用的模型可以提取不同化合物的特征并对多标记质谱数据进行分类。
-
Patent Agency Ranking
公开(公告)号：CN106650806B
公开(公告)日：2019-07-26
申请号：CN201611166903.2
申请日：2016-12-16
Applicant: 北京大学深圳研究生院
CPC classification number: G06K9/00362 , G06K9/6223 , G06K9/6269 , G06N3/0454
Abstract: 本发明公布了一种用于行人检测的协同式深度网络模型方法，包括：构建一种新的协同式多模型学习框架来完成行人检测中的分类过程；利用人工神经元网络来整合协同式模型中各子分类器的判决结果，并借用机器学习的方法训练该网络，能够更加有效地综合各分类器反馈的信息；提出一种基于K‑means聚类算法的重采样方法，增强协同模型中各分类器的分类效果，进而提升整体分类效果。本发明通过建立协同式深度网络模型，将由聚类算法得到的不同类型的训练数据集用于并行地训练多个深度网络模型，再通过人工神经元网络将原始数据集在各个深度网络模型上的分类结果进行整合和综合分析，以实现更加精准的样本分类。
-
公开(公告)号：CN105023240B
公开(公告)日：2019-07-09
申请号：CN201510398331.X
申请日：2015-07-08
Applicant: 北京大学深圳研究生院
IPC: G06T3/40
CPC classification number: G06T3/00
Abstract: 本发明提供一种基于迭代投影重建的字典类图像超分辨率系统及方法，所述系统包括：字典训练和投影矩阵预计算模块、基于投影矩阵的迭代投影超分辨率重建模块和基于全局约束的后处理模块。所述方法包括：步骤S1、字典的学习和投影矩阵的计算；步骤S2、基于投影矩阵的迭代投影超分辨率重建：对低分辨率图像块输入y，在字典中寻找与其最相似的原子，使用该原子的投影矩阵来对y进行超分辨率重建，对产生的残差向量进行再次投影重建获得残差向量的高分辨率重建，如此迭代重建，最后将全部重建成分加权相加作为最后重建的结果；步骤S3、对重建图像通过全局约束来消除不自然效应。本发明可有效提高字典类方法的计算速度并能够恢复图像高频细节信息。
-
公开(公告)号：CN109788289A
公开(公告)日：2019-05-21
申请号：CN201910141289.1
申请日：2019-02-26
Applicant: 北京大学深圳研究生院
IPC: H04N19/176 , H04N19/124 , H04N19/103
Abstract: 本申请公开了一种反量化方法、系统、设备及计算机可读介质。本申请实施例的方法包括：确定初始加权反量化矩阵，所述初始加权反量化矩阵与量化块的尺寸一致；对所述初始加权反量化矩阵中的多个矩阵元素进行置零操作，获取加权反量化矩阵，其中，根据所述量化块的尺寸确定需要进行置零操作的矩阵元素；对所述量化块中的量化系数进行加权反量化，生成对应的反变换系数，其中，使用所述加权反量化矩阵中与所述量化系数位置对应的矩阵元素的值作为所述加权反量化的权重系数。相较于现有技术，根据本发明实施例的反量化方法通过控制加权反量化矩阵的非0系数分布，将反量化后得到的反变换块中的非0系数控制在合适区域，从而控制反变换块的复杂程度。
-
公开(公告)号：CN109788285A
公开(公告)日：2019-05-21
申请号：CN201910145192.8
申请日：2019-02-27
Applicant: 北京大学深圳研究生院
IPC: H04N19/124 , H04N19/176 , H04N19/61 , H04N19/85 , H04N19/93
Abstract: 本说明书实施例提供一种量化系数结束标志位的上下文模型选取方法及装置。所述方法包括：获取当前量化系数结束标志位所对应的非零系数在特定扫描顺序下的扫描位置POS；所述扫描位置POS为所述扫描顺序下对应非零系数的下标；配置第一上下文模型数组，并以一固定值为底，计算所述扫描位置POS加1后所得到数值的对数值，根据所述对数值从所述第一上下文模型数组中选择第一上下文模型；并将所述第一上下文模型用于对所述当前量化系数结束标志位的二元符号进行编码或解码。采用本申请的技术方案，能够提升量化系数结束标志位的编解码效率，从而进一步提升视频编解码的效率。
-
公开(公告)号：CN104769947B
公开(公告)日：2019-02-26
申请号：CN201380003162.4
申请日：2013-07-26
Applicant: 北京大学深圳研究生院
IPC: H04N19/51 , H04N19/573
Abstract: 一种基于P帧的多假设运动补偿编码方法，以当前图像块的相邻已编码图像块作为参考图像块，获得每一块参考图像块对应的第一运动矢量,再参考第一运动矢量通过联合运动估计的方式获得相应的第二运动矢量，并以编码代价最小的第一运动矢量、第二运动矢量和最终预测块作为当前图像块最终的第一运动矢量、第二运动矢量和最终预测块，使得获得的当前图像块的最终预测块具有更高的准确性，且不会增大传输码流的码率。
-
-
-
-
-
-
-
-
-
Search Results
211
records
(took 0.061 seconds)
