-
公开(公告)号:CN113411557B
公开(公告)日:2022-03-18
申请号:CN202110507947.1
申请日:2021-05-11
Applicant: 复旦大学
IPC: H04N13/106 , H04N13/117 , H04N13/363 , H04N19/149 , H04N19/176 , H04N19/423 , H04L65/60 , H04L65/80
Abstract: 本发明属于计算机网络应用层协议技术领域,具体为一种适用于蜂窝网络的VR全景视频优化传输方法。本发明方法包括:VR全景视频的投影、压缩、切片与分块;使用显著性检测对视频进行多焦点的冗余存储,其中采用3D卷积神经网络对样本视频进行有监督学习,得到预测模型用于预测显著区域,随后进行多焦点的冗余存储;视窗自适应传输协议,该协议是基于UDP的应用层协议,并保证视频流即时传输时有缓冲空间;基于头部运动方向预测的预传输,使用机器学习方法,建立方向预测模型,利用预测模型,预测出客户端下一段时间需要的视频片段,通过预传输的方式有效提高客户端视频流畅度。本发明模型简单,可以显著提升传输效率,保证实时性。
-
公开(公告)号:CN113536920A
公开(公告)日:2021-10-22
申请号:CN202110652497.5
申请日:2021-06-11
Applicant: 复旦大学
Abstract: 本发明公开了一种半监督三维点云目标检测方法。其包括如下步骤:(1)对输入教师模型和学生模型的点云进行随机下采样,教师模型的随机下采样数据作为教师模型的输入;(2)将学生模型的随机下采样数据经过随机变换,作为学生模型的输入;(3)训练学生模型时使用标签数据同步训练教师模型,每一次迭代后将训练好的学生模型作为教师模型进一步训练,通过教师网络对无标签的数据进行挖掘,得到伪标签用于指导学生网络的学习,获得三维点云目标检测结果。本发明可以减少三维目标检测深度学习模型对数据标签的依赖,降低数据标注的成本;使用部分标签就达到同样模型使用100%标签的精度;本实验模型泛化能力强,能够用到多种深度学习模型中。
-
公开(公告)号:CN113191216A
公开(公告)日:2021-07-30
申请号:CN202110391846.2
申请日:2021-04-13
Applicant: 复旦大学
Abstract: 本发明涉及基于姿态识别和C3D网络的多人实时动作识别方法和系统,方法包括通过摄像头采集原始视频;采用OpenPose算法对原始视频进行人体姿态估计,生成人体姿态模型视频;对人体姿态模型视频中的动作起始帧进行判断;对初始数据的每一帧图片进行裁剪;将输入数据输入训练好的C3D网络模型,输出得到动作识别结果。与现有技术相比,本发明具有识别速度快,检测精度高等优点。
-
公开(公告)号:CN214761119U
公开(公告)日:2021-11-19
申请号:CN202120683397.4
申请日:2021-04-04
Applicant: 复旦大学
Abstract: 本实用新型属于医疗设备技术领域,具体为一种基于视觉脑电信号分析的自我意识障碍辅助诊断系统。本实用新型的自我意识障碍辅助诊断系统具体包括脑电信号采集系统、视觉刺激测试分析系统;脑电信号采集系统包括64导联脑电帽、无线EEG/ERP放大器、受试笔记本电脑、智能同步中心、刺激同步器;视觉刺激测试分析系统置于电脑中,用于对采集的脑电信号进行分析处理,包括降噪处理模块、特征提取模块、分类识别模块;最后,根据分类识别结果,分析受试者自我意识强弱。本实用新型系统通过视觉刺激系统对受试者进行测试,依据采集的视觉脑电信号进行分析,测试客观性好、准确性高,为意识障碍诊断提供科学依据。
-
-
-