-
公开(公告)号：CN113222032A
公开(公告)日：2021-08-06
申请号：CN202110546001.6
申请日：2021-05-19
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于自注意图像编码的无参考图像质量评价方法，其步骤为：获取训练样本集和测试样本集；构建基于自注意图像编码的无参考图像质量评价网络模型；对基于自注意图像编码的无参考图像质量评价网络模型进行迭代训练；获取无参考图像质量评价结果。本发明所构建的无参考图像质量评价网络模型中的自注意图像编码器通过对每个样本低维映射的特征进行自注意编码，全连接层对每个特征进行自注意编码得到的包含图像整体注意力信息和细节的深度感知特征进行回归，以获取每个样本对应的质量预测分数，避免了现有技术中所获取的感知特征缺乏足够深度的图像整体注意力信息和细节对评价精度的影响，有效地提高了无参考图像的质量评价精度。
-
公开(公告)号：CN116758534A
公开(公告)日：2023-09-15
申请号：CN202310719201.6
申请日：2023-06-16
Applicant: 西安电子科技大学
IPC: G06V20/64 , G06V10/40 , G06V10/62 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于卷积长短期记忆网络的3D目标检测方法，包括以下步骤；步骤1：使用nuScenes点云数据集；步骤2：将输入点云数据转换到球坐标系下；步骤3：将点云空间按照球坐标进行体素划分，得到体素特征，并对体素特征进行初步提取；步骤4：对体素特征进行中间特征提取；步骤5：通过卷积长短期记忆网络进行时间特征提取，实现卷积长短期记忆网络的输出特征；步骤6：对输出特征进行多尺度特征提取，得到特征图；步骤7：利用特征图生成锚框，并对锚框进行分类、边界框回归和角度回归。本发明通过卷积长短期记忆网络对点云序列进行时间特征提取，解决现有的基于深度学习的3D连续目标检测方法中，因序列过长而无法长期依赖的问题。
-
Patent Agency Ranking
公开(公告)号：CN113486821B
公开(公告)日：2023-07-04
申请号：CN202110782615.4
申请日：2021-07-12
Applicant: 西安电子科技大学
IPC: G06V20/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于时域金字塔的无参考视频质量评价方法，主要解决现有技术利用时域信息不充分，导致视频质量评价准确度较低的问题。其实现方案是：获取训练集和测试集；从视频中获取帧组，并对其进行特征提取，获得低、高层视频特征；构建由时域金字塔模块和质量融合模块级联组成的质量评价网络；对质量评价网络进行训练；将测试视频样本输入到训练好的质量评价网络中，得到被测视频的预测质量分数。本发明通过用时域金字塔模块获取时域信息形成金字塔特征，将视频帧间信息进行交互，并作不同方式的采样，提升了来自视频的时域信息的丰富度，充分利用了视频的时域信息，提高了视频质量评价的准确度，可用于图像的采集、管理、传输和处理。
-
公开(公告)号：CN113421237B
公开(公告)日：2023-04-18
申请号：CN202110678186.6
申请日：2021-06-18
Applicant: 西安电子科技大学
IPC: G06T7/00 , G06T17/00 , G06V10/774 , G06V10/82 , G06F30/27 , G06N3/0464 , G06N3/096
Abstract: 一种基于深度特征迁移学习的无参考图像质量评价方法，其步骤如下：构建失真特征提取网；构建多分支特征注意力模块；构建质量回归网络；生成无参考图像质量回归网络；生成训练集；训练无参考图像质量回归网络；对待评价图像进行质量评估。本发明失真特征提取网络所包含的多分支特征注意力模块能够自适应地捕获自然图像的失真特征，在质量回归网络的输出侧可以自动获得输入图像的质量分数。多个国际公开数据库上的广泛实验结果表明，本发明方法提高了失真图像质量的预测精度，具有评价无参考图像质量时与人眼视觉感知一致性更高、泛化性能更强的优点。
-
公开(公告)号：CN113222032B
公开(公告)日：2023-03-10
申请号：CN202110546001.6
申请日：2021-05-19
Applicant: 西安电子科技大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提出了一种基于自注意图像编码的无参考图像质量评价方法，其步骤为：获取训练样本集和测试样本集；构建基于自注意图像编码的无参考图像质量评价网络模型；对基于自注意图像编码的无参考图像质量评价网络模型进行迭代训练；获取无参考图像质量评价结果。本发明所构建的无参考图像质量评价网络模型中的自注意图像编码器通过对每个样本低维映射的特征进行自注意编码，全连接层对每个特征进行自注意编码得到的包含图像整体注意力信息和细节的深度感知特征进行回归，以获取每个样本对应的质量预测分数，避免了现有技术中所获取的感知特征缺乏足够深度的图像整体注意力信息和细节对评价精度的影响，有效地提高了无参考图像的质量评价精度。
-
公开(公告)号：CN113486821A
公开(公告)日：2021-10-08
申请号：CN202110782615.4
申请日：2021-07-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于时域金字塔的无参考视频质量评价方法，主要解决现有技术利用时域信息不充分，导致视频质量评价准确度较低的问题。其实现方案是：获取训练集和测试集；从视频中获取帧组，并对其进行特征提取，获得低、高层视频特征；构建由时域金字塔模块和质量融合模块级联组成的质量评价网络；对质量评价网络进行训练；将测试视频样本输入到训练好的质量评价网络中，得到被测视频的预测质量分数。本发明通过用时域金字塔模块获取时域信息形成金字塔特征，将视频帧间信息进行交互，并作不同方式的采样，提升了来自视频的时域信息的丰富度，充分利用了视频的时域信息，提高了视频质量评价的准确度，可用于图像的采集、管理、传输和处理。
-
公开(公告)号：CN111510710A
公开(公告)日：2020-08-07
申请号：CN202010341014.5
申请日：2020-04-27
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于脑电信号和时空失真的视频质量评价方法，主要解决现有技术没有充分考虑人类视觉特性，导致客观视频质量评价结果与人类主观感知不一致的问题，本发明步骤为：(1)生成模拟水面波动视频；(2)生成时空失真视频；(3)采集连续脑电信号和主观评价；(4)计算主观评价检测率；(5)对脑电信号进行分段；(6)对分段后的脑电信号进行分类；(7)计算脑电信号分类准确率；(8)评价时空失真视频质量。本发明采集不同时空失真视频对应的脑电信号作为评价依据，具有视频质量评价结果与人类主观评价更加一致，评价结果更加准确的优点。
-
-
-
-
-
-
Search Results
17
records
(took 0.023 seconds)
