-
公开(公告)号：CN111949135A
公开(公告)日：2020-11-17
申请号：CN202010895087.9
申请日：2020-08-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于混合预测的触感通信容错方法及系统，在发送数据时，通过对要发送的数据进行预测压缩，仅发送预测值与真实值相对偏差大于死区参数的数据帧，以减少需要发送的数据量；在接收数据时，若遇到缺失的数据，计数加1，并将当前的计数值n与先前接收到的预测阈值L进行比较，若n>L，则采用零阶保持预测算法预测缺失的数据，否则采用LSTM模型预测缺失的数据；若接收到数据，则令计数值清零，此时的预测值为真实值，同时获取新接收到的预测阈值L。本发明通过连续预测阈值的设定，使得接收端可以自主的选择相对保守的预测算法，减小了连续预测导致的积累误差所带来的影响，进一步提高了触感通信系统稳定性。
-
公开(公告)号：CN107426570B
公开(公告)日：2020-11-03
申请号：CN201610959687.0
申请日：2016-10-28
Applicant: 福州大学
IPC: H04N19/114 , H04N19/147 , H04N19/19
Abstract: 本发明涉及一种低延迟视频编码的自适应Qp级联方法，首先将视频序列分为多个图像组，构造图像组的分层结构，每个图像组由4帧构成，分别处于不同的层次；其次根据不同层间以及图像组间的依赖性，推导率失真优化模型；再次引入相关模型，将率失真优化模型转化为求解最佳的问题，同时通过更新模型参数来使模型适应不同的视频序列；最后引用拉格朗日乘子以及Newton‑Raphson方法求解模型每层最佳的，合理地分配每一帧的，实现率失真的最优化。本发明针对低延迟视频编码提出的一种自适应级联算法，主要解决低延迟视频编码的分配问题。
-
公开(公告)号：CN110737339A
公开(公告)日：2020-01-31
申请号：CN201911029362.2
申请日：2019-10-28
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度学习的视觉—触觉交互模型构建方法。首先，基于设计的三种虚拟交互任务，获得不同任务下视觉注意力和触感控制之间的相关性，进行跨模态行为分析；其次，根据相关性，利用LSTM神经网络建立视觉—触觉交互预测模型，实现不同任务的交互模型，并进行性能对比和评价；最后，利用训练模型预测出的结果在虚拟控制任务中进行实施，判断任务中目标的完成情况。本发明方法较采用传统的基于机器学习的训练模型相比，基于深度学习的LSTM神经网络模型预测效果最好，并在非随机任务中任务完成度较高，优势明显。
-
公开(公告)号：CN110545429A
公开(公告)日：2019-12-06
申请号：CN201910914970.5
申请日：2019-09-26
Applicant: 福州大学
IPC: H04N19/14 , H04N19/147 , H04N19/176 , H04N19/119 , H04N19/177
Abstract: 本发明涉及一种基于全景视频纬度特性的复杂度优化方法及设备，首先通过实验测得全景视频经过投影之后，在相同复杂度变化下的两侧纬度区域的率失真损失低于中间纬度区域的率失真损失；然后通过分析当前纬度区域的复杂度改变对剩余纬度区域以及整帧的率失真损失影响，建立纬度与率失真的关系，并且基于此模型提出了帧内复杂度分配的方案；最后，将帧内复杂度分配方法与已有的帧间复杂度分配方法相结合，形成一种基于全景视频纬度特性的复杂度优化方法。本发明能够有效降低全景视频编码过程中的复杂度和编码时间。
-
公开(公告)号：CN109377488A
公开(公告)日：2019-02-22
申请号：CN201811240013.0
申请日：2018-10-24
Applicant: 福州大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于视觉跟踪的插值图像评价方法。首先通过主观实验获取用户在观看插值图像时的视觉注意力分布情况。其次根据注意力分布的特点分别构建时间维度的显著性模型以及空间维度的感兴趣区域（Region of Interest，ROI）模型。最后可以通过将上述模型加权求和以构建整体的质量评价算法对插值图像进行质量评价，以提高预测插值图像质量的精确度。本发明主要解决用户观看插值图像时的视觉注意力分布问题，以提高插值图像质量评价的精确度。
-
Patent Agency Ranking
公开(公告)号：CN107426570A
公开(公告)日：2017-12-01
申请号：CN201610959687.0
申请日：2016-10-28
Applicant: 福州大学
IPC: H04N19/114 , H04N19/147 , H04N19/19
CPC classification number: H04N19/114 , H04N19/147 , H04N19/19
Abstract: 本发明涉及一种低延迟视频编码的自适应Qp级联方法，首先将视频序列分为多个图像组，构造图像组的分层结构，每个图像组由4帧构成，分别处于不同的层次；其次根据不同层间以及图像组间的依赖性，推导率失真优化模型；再次引入相关模型，将率失真优化模型转化为求解最佳 的问题，同时通过更新模型参数来使模型适应不同的视频序列；最后引用拉格朗日乘子 以及Newton-Raphson方法求解模型每层最佳的 ，合理地分配每一帧的，实现率失真的最优化。本发明针对低延迟视频编码提出的一种自适应级联算法，主要解决低延迟视频编码的分配问题。
-
公开(公告)号：CN106971547A
公开(公告)日：2017-07-21
申请号：CN201710352120.1
申请日：2017-05-18
Applicant: 福州大学
CPC classification number: G08G1/0129 , G08G1/065
Abstract: 本发明涉及一种考虑时空相关性的短时交通流预测方法。考虑时间相关性对目标检测点交通流的影响，获取短时交通流的时间关联预测值；利用层次聚类方法分析研究对象交通流的空间相关性，并确定几个关键的空间关联点；考虑空间关联点的交通流对目标检测点交通流的影响，获取短时交通流的空间关联预测值；采用“熵值法”融合时间关联预测值、空间关联预测值和现有方法的预测值，生成目标检测点短时交通流的最终预测结果；根据交通流的预测结果和实际交通数据，对预测误差进行评价分析。本发明方法可克服现有方法不能充分利用时空特征的不足，同时可进一步将时空关联预测结果和现有方法的预测结果进行融合，从而有效提升短时交通流预测结果的准确性。
-
公开(公告)号：CN112631434B
公开(公告)日：2022-04-12
申请号：CN202110028453.5
申请日：2021-01-11
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度学习的振动触觉编解码方法，具体包括以下步骤：将触觉信号不同维度数据进行联合编码，去除触觉数据三维空间上存在的冗余，同时对其进行预处理；利用门控循环单元网络GRU进行训练，每次均以两组数据输入，得到下一组数据的预测数据，并以下一组数据的真实值作为标签，将预测数据和真实数据进行比较计算残差对预测数据进行补偿，得到重构后的预测数据；将重构的预测数据与和前一组数据打包重新作为下一轮预测的输入数据。本发明较现有技术，在性能上有大幅度的提升。
-
公开(公告)号：CN111263145B
公开(公告)日：2022-03-22
申请号：CN202010051264.5
申请日：2020-01-17
Applicant: 福州大学
IPC: H04N19/103 , H04N19/567 , H04N19/85 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于深度神经网络的多功能视频快速编码方法。首先，通过研究视频内容的时空域相关性，使用反向传播（BP）神经网络对CU的划分深度进行预测；然后，使用统计概率对CU的划分模式进行选择；最后，在编码时跳过不必要的划分模式以节省编码时间，从而达到保证编码器编码性能不变的情况下降低时间复杂度的目的。
-
公开(公告)号：CN114023020A
公开(公告)日：2022-02-08
申请号：CN202111273808.3
申请日：2021-10-29
Applicant: 福州大学
IPC: G08B6/00 , H04N19/90 , H04N19/625 , H04N19/124 , H04N19/18
Abstract: 本发明涉及一种基于数据特性与改进型回归的触感数据混合压缩系统，包括编码器和解码器；所述编码器，通过对触感数据进行DCT压缩，之后对DCT数据进行放大后截取，再将数据进行改进型回归编码，最后进行量化；所述解码器，对编码传输的数据进行逆运算，得到触感数据。本发明可以有效提高传输效率的同时还能消除触感通信过程中失真带来的影响，极大限度地提高性能。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.019 seconds)
