-
公开(公告)号：CN116579947A
公开(公告)日：2023-08-11
申请号：CN202310604365.4
申请日：2023-05-26
Applicant: 北京邮电大学
IPC: G06T5/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/80
Abstract: 本发明涉及一种基于纯噪声训练的亮度可调的低照度图像增强方法，其技术特点是：训练阶段采样随机高斯噪声作为低照度输入图像；将低照度输入图像和亮度变化因子分别送入到图像处理模块和亮度处理模块中，得到特征图和特征向量；对特征图和特征向量通过卷积和非线性变换的操作，实现特征的融合和重构，输出通道数为6的曲线参数；将低照度输入图像增强为由亮度变化因子的幅值指导的具有特定亮度的输出图像；作均值和对比度变换，得到伪参考图像；计算总损失，进行迭代优化网络。本发明采用纯噪声的训练策略，帮助模型绕过常用的色彩恒常和光照平滑损失，使难以设计的非线性曲线形式简化为线性曲线形式，实现了低照度增强领域降本增效的功能。
-
公开(公告)号：CN113159173A
公开(公告)日：2021-07-23
申请号：CN202110427314.X
申请日：2021-04-20
Applicant: 北京邮电大学
Abstract: 本发明涉及一种结合剪枝与知识蒸馏的卷积神经网络模型压缩方法。该方法包括：获取图像训练集A；获取目标网络模型，对其包含的每个通道引入缩放因子γ；对目标网络模型进行训练，将训练后的模型作为教师网络；按照缩放因子γ的绝对值大小对教师网络的通道数剪枝，将剪枝后的模型视为学生网络；获取图像训练集A中少量图像，同时输入教师、学生网络，分别计算教师、学生网络各卷积层通道输出的特征图之间的分布差异；将分布差异作为损失函数，对学生网络进行训练，使其模型精度快速恢复至教师网络的水平；输出训练后的学生网络。本发明具有压缩率高、快速恢复压缩模型精度的优势，从而便于网络模型在终端设备上的部署。
-
公开(公告)号：CN113158584A
公开(公告)日：2021-07-23
申请号：CN202110566230.4
申请日：2021-05-24
Applicant: 北京邮电大学
Abstract: 本发明提出了多模态特征嵌入预训练网络搭配效果评估的上界替代法，属于计算机视觉多模态技术领域。本发明提出的方法包括步骤：1)将所有模态特征嵌入预训练网络所提取到的特征进行遍历搭配；2)对得到的所有的搭配情况，对任务网络按照正式训练时提前设定好的参数，利用测试集部分进行训练；3)、对得到的每种搭配对应的模型，对其在测试集上进行测试，记录每一种搭配所对应的测试结果；4)、对所对应的每一种测试结果，选择效果最好的结果对应的模态特征嵌入预训练网络搭配；5)、对选出的网络搭配，将任务模型在这种搭配下所对应的训练集的特征下进行训练，训练得到的模型就是最优的模型。
-
公开(公告)号：CN112465727A
公开(公告)日：2021-03-09
申请号：CN202011439065.8
申请日：2020-12-07
Applicant: 北京邮电大学
Abstract: 本发明设计了一种基于HSV色彩空间和Retinex理论的无正常曝光图像参考的低照度图像增强方法，属于计算机视觉图像技术领域。针对于无正常曝光图像参考的低照度增强任务，本发明将其分解为颜色保留任务和亮度增强任务。对于颜色保留任务，本发明通过HSV色彩空间分离出颜色信息，并保留到增强后的图像上。对于亮度增强任务，本发明通过对分离出的亮度信息进行扰动，得到同一场景的不同光照水平的图像对，通过Retinex理论中的反射一致性约束得到反射分量，并将反射分量作为亮度增强的结果。实验表明，本发明可以有效地增强低照度图像，并在各个数据集和不同光照程度的低照度图像上有很强的泛化能力。
-
公开(公告)号：CN106651821A
公开(公告)日：2017-05-10
申请号：CN201611055890.1
申请日：2016-11-25
Applicant: 北京邮电大学
IPC: G06T5/50
CPC classification number: G06T5/50 , G06T2207/20221
Abstract: 本发明提供一种基于二阶矩保持传播算法的拓扑地图融合方法及系统。所述方法包括：S1，基于概率性广义Voronoi图方法对不同地图进行融合；S2，通过二阶矩保持传播方法消除地图融合的非线性不确定度。本发明首先在保留地图显著性信息的情况下，对地图进行骨架的提取，这样可以简化地图中的信息，使运算更加简便；考虑到了使用PGVD时占用栅格地图中的不确定度，利用线性化来解决转换过程中的不确定度问题。比起其他算法，它是快速且鲁棒的，能够对相似度更大的区域进行优先匹配。
-
Patent Agency Ranking
公开(公告)号：CN103298156B
公开(公告)日：2016-01-20
申请号：CN201310233976.9
申请日：2013-06-13
Applicant: 北京空间飞行器总体设计部 , 北京邮电大学
Abstract: 本发明涉及一种基于无线传感器网络的无源多目标检测跟踪方法，其主要技术特点是：包括以下步骤：根据无线传感器网络中不同无线链路接收信号强度，采用扫描圈开窗检测方法构建无源多目标的滑动扫描圈模型，并采用HAC聚类算法进行聚类分析从而提取出检测结果；根据检测结果并采用PHD无源多目标粒子滤波跟踪算法，得到目标数目变化的多目标跟踪结果。本发明设计合理，其检测与跟踪算法具有较高的精度和鲁棒性，能在复杂的多径环境中检测与跟踪多个目标，同时目标检测与跟踪算法的计算复杂度适中，保证检测跟踪系统运行的实时性。
-
公开(公告)号：CN103344941B
公开(公告)日：2015-08-12
申请号：CN201310233723.1
申请日：2013-06-13
Applicant: 北京空间飞行器总体设计部 , 北京邮电大学
IPC: G01S5/02
Abstract: 本发明涉及一种基于无线传感器网络的实时目标检测方法，其主要技术特点是：包括以下步骤：根据遍历过程的特性，通过单链路实验来建立基于检测窗的接收信号强度值直方图测量模型；利用接收信号强度值直方图测量模型及巴氏距离计算得到可能存在目标的“正位置”，并利用层次聚类算法，实现目标检测定位；通过低精度直方图和高精度直方图级联方法，确定目标的“正位置”。本发明设计合理，实现利用无线传感器网络的快速实时检测功能，检测定位方法不会产生错误累计现象，建立的测量模型理论依据充足，精度较高且具有较强的鲁棒性，同时，直方图级联机制的引用使得其总体计算消耗保持在能实时使用的范围之内。
-
公开(公告)号：CN103281779A
公开(公告)日：2013-09-04
申请号：CN201310233725.0
申请日：2013-06-13
Applicant: 北京空间飞行器总体设计部 , 北京邮电大学
Abstract: 本发明涉及一种基于背景学习的射频层析成像方法，其主要技术特点是：包括以下步骤：1、根据无线传感器网络的接收信号强度，利用混合高斯背景学习算法或核密度估计背景学习算法建立每条链路的接收信号强度值的分布模型，判断各个链路是否受到影响；2、根据每条链路的接收信号强度值的分布模型，利用Tikhonov正则化进行图像重构。本发明将混合高斯背景学习算法或核密度估计背景学习算法（KDE）运用到射频层析成像中，来估计各个链路RSS测量值的分布，实现了多目标检测与跟踪功能，具有的优点是：1、在多目标和时变环境中能获得更高的准确性和有效性；2、不需要线下训练的过程。
-
公开(公告)号：CN101646088B
公开(公告)日：2011-02-16
申请号：CN200910089185.7
申请日：2009-08-03
Applicant: 北京邮电大学
Abstract: 本发明公开了一种视频压缩编码中的资源分配方法，包括：对于每个编码的参考帧n0，计算该参考帧丢失造成的瞬时传输失真Dt(n0)；再根据该瞬时传输失真计算错误扩散的传播因子；然后，利用瞬时传输失真Dt(n0)和传播因子预测该参考帧丢失造成的帧组级传输失真；根据帧组级传输失真为该参考帧分配资源。应用本发明，能够准确预测参考帧的错误传输对于帧组的影响，从而实现合理的资源分配。
-
公开(公告)号：CN101572806B
公开(公告)日：2010-12-01
申请号：CN200910085818.7
申请日：2009-06-01
Applicant: 北京邮电大学
IPC: H04N7/24
Abstract: 本发明公开了一种基于H.264的I帧码率控制方法，用于依次对当前图像序列中除第一个图像组(GOP)外的其它GOP中的I帧进行码率控制，包括：预先建立I帧的R-QP模型，用于表示I帧的码率与量化参数QP以及图像梯度之间的对应关系，在为当前帧进行码率控制时，计算为当前帧分配的编码比特数R，并将所述R分别代入所述R-QP模型的三个区域，根据当前帧的梯度和所述R计算在每个区域中的QP，在计算得到的QP中，选择与相应区域的QP取值范围一致的QP，作为当前帧的QP。采用本发明所述的I帧码率控制方法，能够实现对I帧进行更有效的码率控制。
-
-
-
-
-
-
-
-
-
Search Results
118
records
(took 0.052 seconds)
