一种基于图割优化的深度图帧率提升方法

    公开(公告)号:CN106791768A

    公开(公告)日:2017-05-31

    申请号:CN201611168318.6

    申请日:2016-12-16

    Applicant: 浙江大学

    CPC classification number: H04N13/139 H04N13/111 H04N13/161 H04N19/597

    Abstract: 本发明公开了一种基于图割优化的深度图帧率提升方法,首先,对于每个编码单元树,具体执行运动估计和补偿的块大小和搜索范围是根据纹理图中对应块的运动信息决定的;其次,每个块的运动搜索不是相对独立的,而是考虑了块间运动矢量场的平滑,将一个编码单元树中所有块的运动搜索当作一个能量最小化过程。其中,平滑项是相邻块运动矢量的差,而数据项是用来评价被插入深度图质量的合成视点失真;最后,这个能量最小化过程转化为一个标签最优分配过程,用图割优化算法来解决。本发明适用于3D视频编码效率的优化、深度视频的容错和增强。

    水下显微图像中快速检测目标生物的方法

    公开(公告)号:CN103177244B

    公开(公告)日:2017-05-10

    申请号:CN201310085231.2

    申请日:2013-03-15

    Applicant: 浙江大学

    Abstract: 本发明公开了一种水下显微图像中快速检测目标生物的方法,包括以下步骤:获取无待识别目标生物的水样显微视频,该显微视频中的各帧为背景帧;取若干幅背景帧进行平均,得到平均背景图像;获取需要识别目标生物的当前水样图像,并将平均背景图像和当前水样图像分别缩小;缩小后的当前水样图像减去缩小后的平均背景图像,得到前景图像;对前景图像进行顶帽变换,并将顶帽变换的结果进行二值化,得到二值图像;依据设定的灰度方差阈值和面积阈值,在二值图像中筛选符合条件的八连通区域;将筛选到的八连通区域映射到缩小前的当前水样图像中,得到当前水样图像中目标生物的位置。本发明运算简单,识别快速。

    一种基于Zynq平台的资源调度方法

    公开(公告)号:CN105912400A

    公开(公告)日:2016-08-31

    申请号:CN201610218025.8

    申请日:2016-04-08

    Applicant: 浙江大学

    CPC classification number: G06F9/5061

    Abstract: 本发明公开了一种基于Zynq平台的资源调度方法,所述Zynq平台包括FPGA和双核处理器,所述的资源调度方法包括:步骤1,对Zynq平台的FPGA资源进行评估;步骤2,对FPGA资源不足以处理的复杂算法进行分割,得到若干个处理子模块;步骤3,针对每个处理子模块构建一个FIFO模块;步骤4,双核处理器通过对应的FIFO模块接收FPGA下发的处理子模块计算任务,并进行实时处理,处理结果通过对应的FIFO模块反馈至FPGA。本发明提供的基于Zynq平台的资源调度方法,能够解决复杂应用下PL资源不足的情况,并且最大程度上发挥PS和PL的计算性能。

    一种基于多核处理器的脑信号实时并行处理方法

    公开(公告)号:CN105549738A

    公开(公告)日:2016-05-04

    申请号:CN201510916697.1

    申请日:2015-12-10

    Applicant: 浙江大学

    CPC classification number: G06F3/015 G06F9/544

    Abstract: 本发明公开了一种基于多核处理器的脑信号实时并行处理方法,包括:步骤1,ARM处理器接收神经数据和处理指令,并将神经数据和处理指令发送至第一内核;步骤2,第二内核根据上一次的预测运动状态,计算当前预测运动状态,并在当前预测运动状态的偏差范围内随机采样,得到若干个运动状态采样点;步骤3,第三内核根据运动状态采样点,计算各运动状态采样点下神经数据的期望;步骤4,第四内核计算各运动状态采样点下,出现当前神经数据的后验概率;步骤5,第一内核根据运动状态采样点和对应的后验概率,得到预测运动状态;步骤6,ARM处理器接收预测运动状态并输出。本发明能够实现脑神经数据的高速传输处理。

    基于恰可识别视差错误估计的三维视频深度图编码方法

    公开(公告)号:CN103826135A

    公开(公告)日:2014-05-28

    申请号:CN201310722516.2

    申请日:2013-12-24

    Applicant: 浙江大学

    Inventor: 田翔 罗雷 陈耀武

    Abstract: 本发明公开了一种基于恰可识别视差错误估计的三维视频深度图编码方法,包括以下步骤;(1)输入一帧三维视频深度图以及对应的纹理图像;(2)合成虚拟视点的纹理图像;(3)计算所述虚拟视点的纹理图像的恰可识别误差图;(4)计算三维视频深度图的恰可识别视差错误的范围;(5)进行三维视频深度图的帧内和帧间预测,选择三维视频深度图的预测残差能量最小的预测模式;(6)进行三维视频深度图的预测残差调整,获得方差最小的三维视频深度图的预测残差块;(7)对当前帧的三维视频深度图进行编码。本发明可以在保持虚拟合成视频图像PSNR不变的前提下,极大地降低了深度图编码的码率,同时,还可以显著提高虚拟合成视点的主观质量。

    基于时间位图的音视频数据存取方法

    公开(公告)号:CN103226965A

    公开(公告)日:2013-07-31

    申请号:CN201310108041.8

    申请日:2013-03-29

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于时间位图的音视频数据存取方法,包括以下步骤:预先将磁盘空间划分为索引区和数据区,所述索引区用于存放时间位图索引和一级索引,其中时间位图索引中的各个数据位分别对应一个一级索引;所述数据区划分为若干区块,每个区块对应一个二级索引;音视频数据的存取过程依次包括录像段的写入、录像段的检索以及录像段的读取。本发明方法适用于大容量的存储设备,可以消除存取过程中产生的空间碎片,在异常断电时,不会造成已保存数据的丢失,同时,读取数据时分区块进行,有利于延长硬盘的使用寿命。

    一种针对水下显微视频的目标识别系统及其视频编码方法

    公开(公告)号:CN102592130A

    公开(公告)日:2012-07-18

    申请号:CN201210035262.2

    申请日:2012-02-16

    Applicant: 浙江大学

    Abstract: 本发明公开了一种针对水下显微视频的目标识别系统,包括编码单元、解码单元和识别单元;编码单元包括场景切换检测模块、图像分割模块、区域增强模块和视频编码模块。本发明系统可对复杂背景、倾斜、形变、污浊、部分遮挡、光线变化的目标生物进行有效识别,极大地提高了水下显微视频中的目标生物的识别率。本发明还公开了一种视频编码方法,可以在不降低目标生物区域图像质量的前提下,有效地降低了整幅水下显微图像压缩后的码流,提高了视频传输和存储的效率;相对于现有技术,在压缩码流数据量一定的前提下,可有效提高目标生物区域的图像质量。

    一种三维成像声纳系统换能器阵的稀疏优化方法

    公开(公告)号:CN101625408B

    公开(公告)日:2012-02-01

    申请号:CN200910101382.6

    申请日:2009-08-03

    Applicant: 浙江大学

    Inventor: 陈耀武 陈朋 田翔

    Abstract: 本发明公开了一种三维成像声纳系统换能器阵的稀疏优化方法,采用模拟退火算法对平面阵中的换能器阵元进行稀疏优化,得到稀疏换能器阵,求得在稀疏优化后的换能器阵的波束方向图同时满足最大旁瓣峰值的阈值条件和锥度比的阈值条件下,稀疏换能器阵需要开启的最少换能器数目;所述稀疏优化前的平面阵由M×N个换能器组成,所述的换能器按半波长或一个波长间距均匀分布在一个矩形平面内;所述的锥度比为换能器的最大权重系数与换能器的最小权重系数的比值。本发明利用尽量少的换能器阵元实现系统目标,使得建造此相控阵三维图像声纳系统所需的硬件成本降低,使得进行波束形成算法所需的乘累加的计算量也减少。

    一种基于运动矢量对消和差分原理的快速全局运动估计方法

    公开(公告)号:CN101453557B

    公开(公告)日:2010-09-15

    申请号:CN200810163575.X

    申请日:2008-12-30

    Applicant: 浙江大学

    Inventor: 田翔 周凡 袁龙涛

    Abstract: 本发明公开了一种基于运动矢量对消和差分原理的快速全局运动估计方法,包括输入视频图像的当前帧和参考帧,并通过光流法获得视频图像的每个像素点的运动矢量形成一个运动矢量场;在运动矢量场上构建视频图像的全局运动模型;利用运动矢量场上的对角对称位置的运动矢量对除平移运动分量外其他运动运动分量可以对消的特性,估计全局运动的平移参数T;利用运动矢量场上的同一行上的运动矢量对和同一列上的运动矢量对的差分原理,估计全局运动的变换参数A;将平移参数T和变换参数A代入到全局运动模型中,完成视频图像的全局运动估计五个步骤。本发明在保证估计精度的情况下,大大缩短计算时间,可以在实时性要求较高的视频处理系统中得到应用。

    一种基于分离式架构的分布式训练数据加载方法和装置

    公开(公告)号:CN119356892B

    公开(公告)日:2025-04-11

    申请号:CN202411930693.4

    申请日:2024-12-26

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于分离式架构的分布式训练数据加载方法和装置,属于计算机技术领域,方法包括:远程中心调度器响应本地数据加载客户端发送的请求,收集训练样本的数据元信息并进行负载均衡计算生成数据加载计划和数据消费计划;远程数据加载服务器获取数据加载计划进行数据加载和数据预处理,得到预处理后的分布式训练数据,并预取下一个批次的数据;本地数据加载客户端根据数据消费计划向指定的远程数据加载服务器请求获取预处理后的分布式训练数据并缓存在本地。本发明不仅提升了分布式训练数据加载的效率,还保证了分布式训练中各计算节点的计算负载的均衡性,适用于大规模深度学习模型的分布式训练场景,具有较高的应用价值和推广前景。

Patent Agency Ranking