-
公开(公告)号：CN119964715A
公开(公告)日：2025-05-09
申请号：CN202510048706.3
申请日：2025-01-13
Applicant: 上海交通大学医学院附属第九人民医院
Abstract: 本发明公开了一种基于病理报告和TNM标准的大模型智能TNM分期系统的建立方法，首先生成详细的TNM分期解释，这一解释既作为中间过程帮助细化分期判断，也可以直接为医生提供有价值的辅助信息，再进一步从这些详细的解释中提炼和浓缩关键信息，从而得出精确的TNM分期结果。这种方法确保了模型不仅能提供详尽的分期说明，还能输出简洁明确的最终分期结论，满足不同场景下的需求，为临床医生提供实时快速且准确率高的TNM诊断，提升了临床诊断实际应用效果。
-
公开(公告)号：CN109815911B
公开(公告)日：2020-11-03
申请号：CN201910078362.5
申请日：2019-01-26
Applicant: 上海交通大学
Abstract: 本发明提供过了一种基于深度融合网络的视频运动物体检测系统，包括：视频特征提取模块，接收视频序列输入，对视频内容进行特征提取，得到视频中关于场景信息的特征表达，即视频场景特征表达，并发送至深度融合模块；基础结果检测模块，接收视频序列输入，利用基础检测子对运动物体进行检测，得到相应的基础检测结果，并发送至深度融合模块；深度融合模块，接收视频场景特征表达和基础检测结果，利用深度神经网络进行最优融合，输出最终的检测结果。同时提供了一种视频运动物体检测方法、终端。本发明能够取得高准确度的检测结果。
-
公开(公告)号：CN106170089B
公开(公告)日：2020-05-22
申请号：CN201610729053.6
申请日：2016-08-25
Applicant: 上海交通大学
IPC: H04N19/147 , H04N19/103 , H04N19/124
Abstract: 本发明公开了一种基于H.265的多路编码系统及方法，该系统包括主编码器模块、从编码器模块，主编码器模块，与多个从编码器模块连接，将编码信息共享给从编码器模块，从编码器模块，利用共享信息，对编码过程加速，主编码器模块和从编码器模块均对同一个输入视频数据进行压缩编码，采用不同的码率控制参数，同时输出不同质量的码流。本发明复用了一路主编码器的最优编码模式，加速了多路从编码器的编码过程，实现了在不降低编码质量的前提下，快速进行多路视频编码；本发明对1920×1080分辨率的高清视频进行多路编码，在28核的Intel(R)Xeon(R)CPU E5‑2697v3@2.60GHz工作站上运行，比相同编码参数配置情况下的多次编码节省了44.68％的编码时间，同时性能没有下降。
-
公开(公告)号：CN109379550B
公开(公告)日：2020-04-17
申请号：CN201811059317.7
申请日：2018-09-12
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于卷积神经网络的视频帧率上变换方法及系统，该方法包括：接收发送端传输的初始视频；将所述初始视频划分为包含连续两帧图像的多组图像块；将所述图像块中的连续两帧图像作为目标卷积神经网络的输入，合成所述连续两帧图像对应的中间帧图像；其中，所述目标卷积神经网络是通过预设的训练数据集训练得到的，所述目标卷积神经网络包括：编码器、解码器以及光流预测层；将所述中间帧图像插入所述图像块内，得到视频帧率上变换后的目标视频。从而可以完成从前后两帧到中间帧的映射，提高原有视频的帧率，更好地完成了视频帧率的上变换。
-
公开(公告)号：CN110363281A
公开(公告)日：2019-10-22
申请号：CN201910489092.7
申请日：2019-06-06
Applicant: 上海交通大学
Abstract: 本发明提供一种卷积神经网络量化方法，其中：训练待量化卷积神经网络的全精度模型，计算所述全精度模型每层权重和响应分布的标准差；根据所述全精度模型每层权重和响应分布的标准差和超参数估计该全精度模型参数和特征的比例因子；对待优化卷积神经网络，建立包含基于比例因子的前向计算和后向梯度传播功能的量化模块，得到相应的量化网络；对量化网络进行微调训练，确定最优比例因子；重新训练最优比例因子生成的量化网络，得到最终的量化神经网络模型。本发明还提供一种卷积神经网络量化装置、计算机和存储介质。本发明改善了现有模型量化方法实现复杂，计算复杂度高的问题。
-
Patent Agency Ranking
公开(公告)号：CN109068174A
公开(公告)日：2018-12-21
申请号：CN201811059369.4
申请日：2018-09-12
Applicant: 上海交通大学
IPC: H04N21/4402 , G06N3/04
Abstract: 本发明提供了一种基于循环卷积神经网络的视频帧率上变换方法及系统，该方法包括：接收发送端传输的初始视频；将所述初始视频划分为包含连续两帧图像的多组图像块；将所述图像块中的连续两帧图像作为目标循环卷积神经网络的输入，合成所述连续两帧图像对应的中间帧图像；其中，所述目标循环卷积神经网络是通过预设的训练数据集训练得到的；将所述中间帧图像插入所述图像块内，得到视频帧率上变换后的目标视频。从而可以完成从前后两帧到中间帧的映射，提高原有视频的帧率，更好地完成了视频帧率的上变换。
-
公开(公告)号：CN106331723A
公开(公告)日：2017-01-11
申请号：CN201610688578.X
申请日：2016-08-18
Applicant: 上海交通大学
IPC: H04N19/51 , H04N19/513 , H04N19/139 , H04N19/137
Abstract: 本发明公开一种基于运动区域分割的视频帧率上变换方法及系统，所述方法步骤为：提取视频图像的特征点；在图像之间进行特征点匹配，获取特征点的运动矢量；对特征点运动矢量聚类处理，提取运动区域信息；将运动区域的运动信息，从特征点出发，传播到图像中的其它每一个像素点，获得逐像素的运动区域分割结果和初始的逐像素运动矢量场；根据运动区域分割结果，对运动矢量场进行平滑滤波，获得优化的运动矢量场；根据运动矢量场进行补偿插值，获得内插帧图像，完成帧率的上变换。本发明能够准确地得到视频中的运动区域信息，并有效地辅助运动估计，运动矢量滤波，完成视频帧率的上变换，提高视频观看体验。
-
公开(公告)号：CN106210767A
公开(公告)日：2016-12-07
申请号：CN201610656968.9
申请日：2016-08-11
Applicant: 上海交通大学
IPC: H04N21/234 , H04N21/2343 , H04N21/44 , H04N21/4402
Abstract: 本发明公开一种智能提升运动流畅性的视频帧率上变换方法及系统，所述方法包括以下步骤：步骤一，对连续的两帧原始视频图像进行预分析；步骤二，对两帧图像进行运动估计；步骤三，在两帧原始图像之间，根据估计的运动信息计算出新的内插帧；步骤四，对内插帧图像进行空洞填补、块效应滤波、图像质量评价等后处理；步骤五，综合前面四个步骤的信息判断是否用重复帧替代内插帧。在此方法基础上，提出一种智能的提升运动流畅性的视频帧率上变换系统，通过帧率上变换各个处理模块的流水控制，实现各模块信息的高复用和高并行。本发明能够在源端实现高质量的视频帧率提升，智能地提升视频运动流畅性。
-
公开(公告)号：CN105430391A
公开(公告)日：2016-03-23
申请号：CN201510885775.6
申请日：2015-12-04
Applicant: 上海交通大学
IPC: H04N19/105 , H04N19/119 , H04N19/147 , H04N19/159
Abstract: 本发明提供一种基于逻辑回规分类器的帧内编码单元快速选择方法，所述方法将一个编码单元是否向下划分建模为“向下划分”和“不向下划分”两类的分类问题，采用逻辑回规分类器来解决这个两类分类问题。离线学习三个视频序列得到逻辑回规分类器最优的逻辑回规系数，通过计算多个候选特征的有效性来选择最佳的决策特征。利用离线学习得到的逻辑回规分类器对帧内编码单元进行快速选择，从而跳过其它不必要的预测编码模式计算，能够有效的降低HEVC编码器帧内编码复杂度，有利于实时HEVC编码器的实时应用。
-
公开(公告)号：CN104378641A
公开(公告)日：2015-02-25
申请号：CN201410647903.9
申请日：2014-11-14
Applicant: 上海交通大学
Abstract: 本发明提供了一种HEVC/H.265的亚像素插值的SIMD快速实现方法，首先在运动搜索过程中，采用简化的SIMD实现的四阶亚像素插值模块，获取亚像素运动矢量，利用微弱的性能损失换取明显的速度提升；然后在运动补偿计算当前像素块和参考像素块的残差时，采用原始八阶亚像素插值得到参考像素块，保证编码端和解码端一致，避免解码像素出现漂移。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.028 seconds)
