-
公开(公告)号：CN119576534A
公开(公告)日：2025-03-07
申请号：CN202411616680.X
申请日：2024-11-13
Applicant: 中国科学院计算技术研究所
IPC: G06F9/50 , G06F9/445 , G06Q30/018
Abstract: 本发明提出一种面向端边云视觉协同架构的碳排放评估方法和装置，包括：根据传统视觉终端、智能视觉终端、边缘服务器和云端服务器各自的碳排放参数，按功能分别构建端设备碳排放模型、边设备碳排放模型、云设备碳排放模型，根据端边云视觉协同物联网运行时由于网络传输产生的碳排放参数，构建网络传输碳排放模型，采用匈牙利算法，求解当网络传输碳排放模型碳排放最小，且视觉任务占用计算资源小于等于各设备的计算资源上限时的卸载选择策略矩阵，作为多个视觉任务的任务部署策略，决定每一个视觉任务在端侧、边缘侧或者云侧执行，比直接在云端执行所产生的碳排放量低，比直接在边缘处理，由于边缘的资源限制，部分任务无法执行的任务处理率高。
-
公开(公告)号：CN118865014A
公开(公告)日：2024-10-29
申请号：CN202410837816.3
申请日：2024-06-26
Applicant: 中国科学院计算技术研究所
IPC: G06V10/774 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/084 , G06N3/096
Abstract: 本发明提出一种面向机器视觉目标检测的隐身方法和装置，通过基于迁移效果的对抗补丁增强方法，提高网络在黑盒方法下的隐身效果，提高网络的实际应用价值。通过基于生成对抗网络的图像语义增强方法，提高对抗样本的自然语义，改善其不够自然的问题，增加对抗图案可应用的场合。基于训练与微调的对抗补丁生成方法，将整个对抗补丁的生成过程分为训练与微调两个部分，训练过程用于在保证图像语义的前提下提高对抗样本的隐身效果，微调阶段虽然会损失一部分图像语义，但是能够较大提高对抗样本的隐身效果。通过合理的分配训练与微调的过程，可以在对抗样本的隐身效果与图像语义之间达成较好的平衡。
-
公开(公告)号：CN117827595A
公开(公告)日：2024-04-05
申请号：CN202410166622.5
申请日：2024-02-06
Applicant: 中国科学院计算技术研究所
IPC: G06F11/30 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种设备故障检测模型的训练方法，该方法为在边缘服务器和中心服务器上分别部署相同结构的初始设备故障检测模型，边缘服务器上获取预设历史时间段内的运行状态数据及待测设备每一时刻对应的故障类型并将其处理成对应的图数据矩阵上传中心服务器，中心服务器利用图数据矩阵和待测设备每一时刻对应的故障类型对设备故障检测模型进行训练并将需要更新的参数下发边缘服务器以更新其所在的设备故障检测模型对应的参数。本发明训练设备故障检测模型的方式减低了通信开销，也降低了边缘服务器上的计算开销；同时，本发明设计的训练方法能够提高设备故障检测模型的性能，进一步提高待测设备的故障类型检测准确性。
-
公开(公告)号：CN117714689A
公开(公告)日：2024-03-15
申请号：CN202311594930.X
申请日：2023-11-27
Applicant: 中国科学院计算技术研究所
IPC: H04N19/132 , H04N19/136 , G06V20/40 , G06V10/762 , G06V10/774 , G06V10/74 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种用于压缩视频的关键帧的提取方法，所述方法包括以下步骤：获取视频中的所有视频帧以及所需关键帧的预设数量；其中，所述视频的最后一帧作为固定的关键帧；利用经训练的嵌入模型提取所述视频中除最后一帧外的视频帧的特征向量；根据所述预设数量确定聚类簇的数量，根据所述聚类簇的数量以及除最后一帧外的视频帧的特征向量对视频帧进行聚类，得到每个视频帧所属的聚类簇；从每个聚类簇中提取一个用于压缩视频的非固定的关键帧，将所述固定的关键帧以及所述非固定的关键帧作为用于压缩所述视频的关键帧。
-
-
Patent Agency Ranking
公开(公告)号：CN109862356B
公开(公告)日：2020-11-10
申请号：CN201910044197.1
申请日：2019-01-17
Applicant: 中国科学院计算技术研究所
IPC: H04N19/122 , H04N19/167 , H04N19/176 , H04N21/2343 , H04N21/4402
Abstract: 本发明涉及一种基于感兴趣区域的视频编码方法和系统，包括：依序提取原始图像序列中的帧间预测编码帧作为当前帧；获取当前帧的前一参考帧，判断当前帧的非感兴趣区域对应参考帧中区域是否为感兴趣区域，若是，则将当前帧的非感兴趣区域中与参考帧的感兴趣区域相对应的区域置为感兴趣区域，否则维持当前帧的区域划分；对当前帧的非感兴趣区域，使用参考帧的重构帧进行替代，提取原始图像序列中当前帧之后的帧间预测编码帧，再次作为当前帧；将预处理图像和宏块级量化参数输入至视频编码器，以完成对原始图像序列的视频编码。本发明具有适用范围广和重点区域重点保护的技术特点。
-
公开(公告)号：CN108769754B
公开(公告)日：2020-10-13
申请号：CN201810457690.1
申请日：2018-05-14
Applicant: 中国科学院计算技术研究所
IPC: H04N21/2543 , H04N21/258 , H04N21/45
Abstract: 本发明涉及一种基于视频回放终端的视频回放方法和系统，包括：获取视频播放终端屏幕的分辨率，及移动网络流量的费率信息，通过拟合该分辨率下用户观看质量与视频码率之间的关系，得到用户体验质量函数，并以该费率信息和视频码率的相乘结果作为代价系数，将该用户体验质量函数减去该代价系数构建观看视频的效益函数；根据该分辨率以及该费率信息，采用梯度下降法得到该效益函数最大时对应的码率，并将该效益函数最大时对应的码率作为最优码率，该视频回放终端根据该最优码率向视频服务器请求视频并播放。由此可实现权衡流量资费和视频体验，达到节约流量的目的。
-
公开(公告)号：CN108769754A
公开(公告)日：2018-11-06
申请号：CN201810457690.1
申请日：2018-05-14
Applicant: 中国科学院计算技术研究所
IPC: H04N21/2543 , H04N21/258 , H04N21/45
Abstract: 本发明涉及一种基于视频回放终端的视频回放方法和系统，包括：获取视频播放终端屏幕的分辨率，及移动网络流量的费率信息，通过拟合该分辨率下用户观看质量与视频码率之间的关系，得到用户体验质量函数，并以该费率信息和视频码率的相乘结果作为代价系数，将该用户体验质量函数减去该代价系数构建观看视频的效益函数；根据该分辨率以及该费率信息，采用梯度下降法得到该效益函数最大时对应的码率，并将该效益函数最大时对应的码率作为最优码率，该视频回放终端根据该最优码率向视频服务器请求视频并播放。由此可实现权衡流量资费和视频体验，达到节约流量的目的。
-
公开(公告)号：CN102999901B
公开(公告)日：2016-06-29
申请号：CN201210395366.4
申请日：2012-10-17
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了一种基于深度传感器的在线视频分割后的处理方法及系统，该方法包括：步骤1，深度传感器基于视频帧和其对应的深度图像提取特征，对所述特征进行视频帧前景、背景分割，得到二值图像；步骤2，对该二值分割图像中的前景孔洞进行检测和填充，得到前景孔洞填充后的二值图像；步骤3，对该前景孔洞填充后的二值图像进行边界优化，获取优化后的二值图像；步骤4，将该优化后的二值图像融合虚拟背景和所述视频帧，生成虚实融合图像。本发明解决了基于深度传感器的在线视频分割在深度非连续处容易出错和现有技术在准确度和实时性上存在顾此失彼的问题，提供了一种满足实时性要求的高质量的基于深度传感器的在线视频分割后处理方法和虚实融合系统。
-
公开(公告)号：CN102999901A
公开(公告)日：2013-03-27
申请号：CN201210395366.4
申请日：2012-10-17
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了一种基于深度传感器的在线视频分割后的处理方法及系统，该方法包括：步骤1，深度传感器基于视频帧和其对应的深度图像提取特征，对所述特征进行视频帧前景、背景分割，得到二值图像；步骤2，对该二值分割图像中的前景孔洞进行检测和填充，得到前景孔洞填充后的二值图像；步骤3，对该前景孔洞填充后的二值图像进行边界优化，获取优化后的二值图像；步骤4，将该优化后的二值图像融合虚拟背景和所述视频帧，生成虚实融合图像。本发明解决了基于深度传感器的在线视频分割在深度非连续处容易出错和现有技术在准确度和实时性上存在顾此失彼的问题，提供了一种满足实时性要求的高质量的基于深度传感器的在线视频分割后处理方法和虚实融合系统。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.042 seconds)
