公开(公告)号：CN113128344A

公开(公告)日：2021-07-16

申请号：CN202110297430.4

申请日：2021-03-19

Applicant: 杭州电子科技大学

Inventor： 任建凯 ,  周洋 ,  徐岩 ,  殷海兵 ,  陆宇 ,  黄晓峰

IPC: G06K9/00 ,  G06K9/40 ,  G06K9/46 ,  G06K9/62

Abstract: 本发明方法公开了一种多信息融合的立体视频显著性检测方法。本发明方法首先通过2D视频序列的色彩特征、空间特征、中心位置特征计算，得到2D空间显著图；基于时空一致性，在2D空间显著图的基础上获得2D运动显著图；然后利用不同区域的深度差异度计算深度空间显著图；提取深度变化的信息，获得深度运动图；最后使用多层细胞自动机融合产生的视频序列的四种显著图，得到立体视频的显著图。本发明方法根据人眼视觉注意力对色彩、空间位置、物体远近的敏感机制，尤其利用深度信息与运动信息在立体视觉显著性检测中的重要作用，融合了多种立体视频在空间和时间上的特征，消除单一特征计算显著性带来的噪声影响。

公开(公告)号：CN112995672A

公开(公告)日：2021-06-18

申请号：CN202110153835.0

申请日：2021-02-04

Applicant: 杭州电子科技大学

Inventor： 查攀 ,  殷海兵 ,  周洋

IPC: H04N19/192

Abstract: 本发明公开了一种基于参数选择的视频编码算法优化方法，包括：S1，通过R‑D‑T综合性能评价指标，将率失真性能和编码复杂度进行综合分析；S2，分析参数间的相关性，定量计算参数的耦合系数，根据耦合系数对参数进行排序；S3，通过参数选择算法，在第一个循环中，获得一组最优参数组合；第二个循环在第一个循环的基础上加入编码时间限制，基于同一个参数的取值越小，则编码时间越短的规律，在第一个循环得到的最优参数组合的基础上，通过实际编码时间与目标编码时间对比来确定增大或减小参数取值，比较不同参数调整后的RDTscore，从而找出综合性能最好的参数作为本轮参数调整的对象，直到在误差允许的范围内达到目标复杂度。

公开(公告)号：CN110418131A

公开(公告)日：2019-11-05

申请号：CN201910638480.7

申请日：2019-07-15

Applicant: 杭州电子科技大学

Inventor： 殷海兵 ,  孟翔 ,  黄晓峰

IPC: H04N19/105 ,  H04N19/124 ,  H04N19/13 ,  H04N19/184 ,  H04N19/61 ,  H04N19/70

Abstract: 本发明公开了一种码率预估方法及基于码率预估快速模式决策方法。所述的码率计算公式如下：Rori＝Rhdr+Re其中Rhdr为头比特码率，Re为TU码率；所述TU码率计算包括：S1)通过加权量化系数总和SQC进行码率预估，表示为Rsqc；S2)确定基于CG级别的位置信息Zpos；S3)确定上下文模型反转参数Mturn；S4)确定是否使用TU级别最后一个非零系数位置信息Ztlp；S5)计算最终各TU码率： 其中Rzpos＝a1Zpos，Rturn＝a2Mturn，Rtlp＝a3Ztlp，将Rzpos、Rturn、Rtlp带入公式Re，计算得到的码率进行拟合得到系数a1、a2、a3。本发明快速精准的预估码率，从而可以保证在可接受性能损失的范围下，实现减少视频编码负担和节约编码时间的目的。

公开(公告)号：CN109933715A

公开(公告)日：2019-06-25

申请号：CN201910206099.3

申请日：2019-03-18

Applicant: 杭州电子科技大学

Inventor： 殷海兵 ,  李杭 ,  黄晓峰

IPC: G06F16/953 ,  G06K9/62

Abstract: 本发明涉及信息检索技术领域，具体涉及一种基于listwise算法在线学习排序方法。首先使用listwise算法的思想，将查询关键字对应的候选记录排序列表作为训练实例；然后利用在线学习排序算法的训练过程，在应用训练实例时，训练实例按照顺序到达神经网络，并且仅被扫描一次；最后通过最小化损失值获取精准的排序模型。本发明将在线学习算法应用到listwise算法中，可以利用在线获得的数据对已有的排序模型进行更新，实现在线处理和提高算法的有效性；保证了online-listwise算法在信息检索领域的可实施性和性能。通过自适应学习率更新排序模型，使排序模型更加精准和尽快收敛。

公开(公告)号：CN108174208A

公开(公告)日：2018-06-15

申请号：CN201810144026.1

申请日：2018-02-12

Applicant: 杭州电子科技大学

Inventor： 陆宇 ,  赵璇 ,  刘华平 ,  唐向宏 ,  殷海兵 ,  周洋

IPC: H04N19/136 ,  H04N19/14 ,  H04N19/70

Abstract: 本发明公开了一种基于特征分类的高效视频编码方法。本发明首先选择一个视频序列的10帧作标准的HEVC编码，然后提取深度特征，梯度特征以及方差特征，将这些特征用SVM进行离线训练，得到SVM预测模型。然后对每一个视频序列进行编码，设置第1帧为在线学习帧；从第二帧开始作快速编码，先作边缘检测，判断当前CU是否为纹理复杂的CU。根据预测结果把当前CU分为三类：提前跳过划分的CU、提前终止划分的CU和不确定划分的CU。对不确定划分的CU再进行RDcost判断，若当前CU的RDcost小于同深度下的阈值RD_thrk，则提前终止CU划分，否则继续进行标准的率失真优化过程。本发明在保证比特率增加可忽略不计的情况下大大降低了编码复杂度。