-
公开(公告)号：CN108737840A
公开(公告)日：2018-11-02
申请号：CN201810525043.X
申请日：2018-05-28
Applicant: 华侨大学
IPC: H04N19/593 , H04N13/161 , H04N13/128 , H04N13/106
Abstract: 本发明涉及一种基于深度图纹理特性的3D-HEVC帧内快速编码方法，方案简单可行，只需要在编码时利用灰度共生矩阵的特征值进行计算，并对相邻块模式进行获取，没有引入过多的额外计算复杂度。本发明充分利用了深度图纹理特征和预测模式之间的相关性：预测模式与深度纹理特征之间有着一定的相关性，某些预测模式只对具有特定纹理才具有较好的编码效果，本发明则充分利用了这一相关性。
-
公开(公告)号：CN106954077A
公开(公告)日：2017-07-14
申请号：CN201710208697.5
申请日：2017-03-31
Applicant: 华侨大学
IPC: H04N19/96 , H04N19/124 , H04N19/182 , H04N19/132
Abstract: 本发明涉及一种基于结构特征的HEVC码率控制方法，1)提取视频的帧图像，计算帧图像的编码树单元的2×2区域降采集特征图；2)基于各编码树单元的降采集特征图，计算当前各编码树单元的结构强度；3)基于当前各编码树单元的结构强度，计算当前帧图像的结构强度；4)基于各编码树单元的结构强度与当前帧图像的结构强度，计算各编码树单元的码率分配比重；5)根据各编码树单元的码率分配比重计算各编码树单元的量化参数。本发明利用编码树单元降采样特征图的结构强度来表征编码树单元的结构强度，很好地反应该编码树单元的感知特性，准确引导目标码率分配，获得更符合人眼特性的编码视频。
-
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：CN120047434A
公开(公告)日：2025-05-27
申请号：CN202510505105.0
申请日：2025-04-22
Applicant: 华侨大学
IPC: G06T7/00 , G06V20/40 , G06V10/44 , G06V10/54 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045 , H04N17/00
Abstract: 本发明公开了基于视点时空相关性的沉浸式视频质量评价方法及装置，涉及视频图像处理技术领域，方法包括：获取包含多视点的纹理视频和深度视频的沉浸式视频，并从中提取出纹理视频块、深度视频块、纹理关键帧以及深度关键帧；将提取出的数据输入训练好的沉浸式视频质量评价模型中进行处理；模型包括纹理深度特征时空交互部分、纹理视频质量评价部分和深度视频质量评价部分；通过模型交互处理得到纹理视频分数和深度视频分数，对得分加权聚合得到最终的沉浸式视频质量评分。本发明通过获取并处理沉浸式视频中的多视点纹理和深度信息，实现了对沉浸式视频质量的评估。
-
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。
-
Patent Agency Ranking
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：CN119741304A
公开(公告)日：2025-04-01
申请号：CN202510262624.9
申请日：2025-03-06
Applicant: 华侨大学 , 厦门松霖科技股份有限公司
Abstract: 本发明公开了一种基于三维人脸几何结构的无参考质量评估方法及装置，涉及计算机视觉领域，方法包括：三维人脸网格模型重建；计算映射关键点和提取关键点之间的欧几里得距离，获得几何一致性分数；用三维人脸分割算法划分人脸区域，计算高斯曲率得到区域曲率分数；计算模型表面的平滑度，检测模型表面是否存在不自然的突起或瑕疵，获得平滑度分数；将几何一致性分数、区域曲率分数和平滑度分数按照加权比例进行融合，输出三维人脸网格模型的综合质量分数。本发明无需依赖数据库中的标准人脸模型，能够基于人脸几何特征和区域性分析对单个重建的三维人脸网格模型质量进行全面评估，适用于智能美容、精准医疗等个性化重建场景。
-
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。
-
公开(公告)号：CN119232941B
公开(公告)日：2025-02-25
申请号：CN202411716269.X
申请日：2024-11-27
Applicant: 华侨大学
IPC: H04N19/172 , H04N19/70 , H04N19/85 , H04N19/134 , H04N19/42 , G06V20/40 , G06N3/0464 , G06N3/08 , G06T7/254 , G06V10/80
Abstract: 本发明公开了一种基于深度学习的双目视频压缩方法、装置及可读介质，涉及视频处理领域，包括：构建双目视频压缩模型并训练，得到经训练的双目视频压缩模型，分别获取待压缩的双目视频中的左视点的当前时刻的原始帧和前一时刻的原始帧以及右视点的当前时刻的原始帧和前一时刻的原始帧并输入到经训练的双目视频压缩模型，通过迭代的方式重构得到左视点的重建帧序列和右视点的重建帧序列，并得到压缩后的双目视频。本发明解决了现有的双目视频的视点间的冗余利用率低、压缩性能低的问题。
-
公开(公告)号：CN119479047A
公开(公告)日：2025-02-18
申请号：CN202510066012.2
申请日：2025-01-16
Applicant: 华侨大学 , 厦门盈趣科技股份有限公司
IPC: G06V40/16 , G06N3/09 , G06V10/44 , G06V10/762 , G06V10/82
Abstract: 本发明涉及机器学习领域，公开了一种基于宽度学习的半监督多视图聚类集成方法及系统，方法包括以下步骤：构建一种可以依据多视图人脸图像数据进行特征处理的基于宽度学习的自编码器，用于对输入的人脸图像进行特征提取，并基于宽度学习计算不同节点特征的权重；结合基于宽度学习的自编码器和双向约束传播构建聚类集成模型；利用聚类集成模型实现多视图人脸图像的聚类集成。本发明利用宽度学习系统的性能优势进行多视图数据的聚类处理，得到兼具效率与性能的模型网络，引入了流型结构和成对约束，并且在共识过程中采用了约束传播，丰富样本信息，有效提升基于宽度学习的聚类集成网络模型的鲁棒性和准确性，因而在实际场景中更具适用性。
-
-
-
-
-
-
-
-
-
Search Results
265
records
(took 0.021 seconds)
