-
公开(公告)号：CN117496075B
公开(公告)日：2024-03-22
申请号：CN202410001553.2
申请日：2024-01-02
Applicant: 中南大学
IPC: G06T17/00 , G06N3/0464 , G06T7/50 , G06T7/80
Abstract: 本发明公开了一种单视图的三维重建方法、系统、设备及存储介质，包括获取由相机拍摄的单视图图像；通过深度学习提取单视图图像中的相机参数值和预测的深度值，进而利用相机参数值反向投影构建出一个估计的三维体素，从这个三维体素中提取一个初始三维特征，再根据初始三维特征重建成一个更加接近与真实体素的最终三维体素。不仅仅忽略了对三维体素数据库的前置依赖，实现了能基于单视图图像的三维重建；而且先估计一个三维体素，再优化得到更加接近与真实体素的最终三维体素，能提升重建最终三维体素的准确度。
-
公开(公告)号：CN117114509A
公开(公告)日：2023-11-24
申请号：CN202311362329.8
申请日：2023-10-20
Applicant: 中南大学
IPC: G06Q10/0639 , G06Q10/04 , G06F18/241
Abstract: 本发明公开了一种高职大创比赛成绩预测方法、系统、设备及存储介质，本方法通过根据获奖次数量化教师能力经验和学生能力经验，得到教师能力值和学生能力值；预设与学校重视程度相关的参数，根据与学校重视程度相关的参数量化学校重视程度，得到学校重视程度值；基于词语采用网络编码器进行多层次编码，得到段向量；根据教师能力值、学生能力值、学校重视程度值和段向量，采用分层注意力机制计算得到最终向量；对最终向量进行成绩分类预测，得到成绩预测结果。本发明通过综合考虑教师能力值、学生能力值、学校重视程度值和段向量，能够提高大创比赛成绩预测的准确率。
-
公开(公告)号：CN116405690A
公开(公告)日：2023-07-07
申请号：CN202310643124.0
申请日：2023-06-01
Applicant: 中南大学
IPC: H04N19/19 , H04N19/172 , H04N19/31
Abstract: 本发明公开了一种快速帧级自适应拉格朗日乘子优化方法、系统及设备，本方法通过计算目标编码视频序列的序列内容因子；计算每个P帧的传播权重,并根据每个P帧的传播权重和序列内容因子计算得到每个P帧的第一最优放缩系数；传播权重用于表征每个P帧被参考的程度；根据序列内容因子，计算每个I帧的第二最优放缩系数、每个B帧的第三最优放缩系数和每个b帧的第四最优放缩系数；根据第一最优放缩系数、第二最优放缩系数、第三最优放缩系数和第四最优放缩系数，计算目标编码视频序列中每一帧的最优拉格朗日乘子；最优拉格朗日乘子用于对目标编码视频序列中每一帧进行编码。本发明通过有效计算出最优拉格朗日乘子，能够提高编码质量和效率。
-
公开(公告)号：CN117392353B
公开(公告)日：2024-03-12
申请号：CN202311687370.2
申请日：2023-12-11
Applicant: 中南大学
IPC: G06T19/00 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06T5/90 , G06T5/50 , G06T17/00 , G06T19/20
Abstract: 本发明公开了一种增强现实光照估计方法、系统、设备及存储介质，本方法通过将单张有限视场图像输入至生成对抗网络得到中间特征变量，计算中间特征变量与离散数值之间距离最近的离散特征；采用生成器得到生成的低动态范围全景图，并将生成的低动态范围全景图和真实场景的低动态范围全景图输入至鉴别器，得到最优低动态范围全景图；将最优低动态范围全景图输入至正曝光生成器和负曝光生成器中，得到多张正曝光图像和多张负曝光图像；通过图像融合，将融合图像输入至三维卷积神经网络中，得到重建的高动态范围全景图，并从重建的高动态范围全景图中得到光照信息。本发明能够提高增强现实光照估计的精确度和提高光照估计的效率。
-
公开(公告)号：CN104636325A
公开(公告)日：2015-05-20
申请号：CN201510063881.6
申请日：2015-02-06
Applicant: 中南大学
IPC: G06F17/27
Abstract: 本发明公开了一种基于极大似然估计确定文档相似度的方法，包括以下步骤：步骤1：文本特征提取步骤：该步骤2：对文本特征集合进行数值映射，得到文档对应的数值集合Sd；步骤3：文档对应的数值集合Sd采用minwise指纹表征：步骤4：基于文档的minwise指纹，基于极大似然函数计算两个文档的相似度a；该方法利用哈希值比对的各种结果( ，＝)的概率，基于所述概率巧妙的设计出结合这些概率的似然函数，建立极大似然Minwise哈希估计子；将该方法推广运用到三篇文档相似度确定，准确有效的得到了精度较高的文本相似度；由于极大似然方法所得的方差平均值最小，这样所获得的相似度自然精度高于Minwise方法。
-
Patent Agency Ranking
公开(公告)号：CN117392353A
公开(公告)日：2024-01-12
申请号：CN202311687370.2
申请日：2023-12-11
Applicant: 中南大学
IPC: G06T19/00 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06T5/90 , G06T5/50 , G06T17/00 , G06T19/20
Abstract: 本发明公开了一种增强现实光照估计方法、系统、设备及存储介质，本方法通过将单张有限视场图像输入至生成对抗网络得到中间特征变量，计算中间特征变量与离散数值之间距离最近的离散特征；采用生成器得到生成的低动态范围全景图，并将生成的低动态范围全景图和真实场景的低动态范围全景图输入至鉴别器，得到最优低动态范围全景图；将最优低动态范围全景图输入至正曝光生成器和负曝光生成器中，得到多张正曝光图像和多张负曝光图像；通过图像融合，将融合图像输入至三维卷积神经网络中，得到重建的高动态范围全景图，并从重建的高动态范围全景图中得到光照信息。本发明能够提高增强现实光照估计的精确度和提高光照估计的效率。
-
公开(公告)号：CN104636325B
公开(公告)日：2015-09-30
申请号：CN201510063881.6
申请日：2015-02-06
Applicant: 中南大学
IPC: G06F17/27
Abstract: 本发明公开了一种基于极大似然估计确定文档相似度的方法，包括以下步骤：步骤1：文本特征提取步骤：该步骤2：对文本特征集合进行数值映射，得到文档对应的数值集合Sd；步骤3：文档对应的数值集合Sd采用minwise指纹表征：步骤4：基于文档的minwise指纹，基于极大似然函数计算两个文档的相似度a；该方法利用哈希值比对的各种结果( ，＝)的概率，基于所述概率巧妙的设计出结合这些概率的似然函数，建立极大似然Minwise哈希估计子；将该方法推广运用到三篇文档相似度确定，准确有效的得到了精度较高的文本相似度；由于极大似然方法所得的方差平均值最小，这样所获得的相似度自然精度高于Minwise方法。
-
公开(公告)号：CN116405690B
公开(公告)日：2023-09-01
申请号：CN202310643124.0
申请日：2023-06-01
Applicant: 中南大学
IPC: H04N19/19 , H04N19/172 , H04N19/31
Abstract: 本发明公开了一种快速帧级自适应拉格朗日乘子优化方法、系统及设备，本方法通过计算目标编码视频序列的序列内容因子；计算每个P帧的传播权重,并根据每个P帧的传播权重和序列内容因子计算得到每个P帧的第一最优放缩系数；传播权重用于表征每个P帧被参考的程度；根据序列内容因子，计算每个I帧的第二最优放缩系数、每个B帧的第三最优放缩系数和每个b帧的第四最优放缩系数；根据第一最优放缩系数、第二最优放缩系数、第三最优放缩系数和第四最优放缩系数，计算目标编码视频序列中每一帧的最优拉格朗日乘子；最优拉格朗日乘子用于对目标编码视频序列中每一帧进行编码。本发明通过有效计算出最优拉格朗日乘子，能够提高编码质量和效率。
-
公开(公告)号：CN117496075A
公开(公告)日：2024-02-02
申请号：CN202410001553.2
申请日：2024-01-02
Applicant: 中南大学
IPC: G06T17/00 , G06N3/0464 , G06T7/50 , G06T7/80
Abstract: 本发明公开了一种单视图的三维重建方法、系统、设备及存储介质，包括获取由相机拍摄的单视图图像；通过深度学习提取单视图图像中的相机参数值和预测的深度值，进而利用相机参数值反向投影构建出一个估计的三维体素，从这个三维体素中提取一个初始三维特征，再根据初始三维特征重建成一个更加接近与真实体素的最终三维体素。不仅仅忽略了对三维体素数据库的前置依赖，实现了能基于单视图图像的三维重建；而且先估计一个三维体素，再优化得到更加接近与真实体素的最终三维体素，能提升重建最终三维体素的准确度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.017 seconds)
