-
公开(公告)号：CN101477633A
公开(公告)日：2009-07-08
申请号：CN200910076781.1
申请日：2009-01-21
Applicant: 北京大学
CPC classification number: G06K9/00711 , G06K9/4671
Abstract: 本发明涉及一种图像和视频处理方法，特别是一种通过机器学习技术来自动估计视频内容的视觉显著程度的方法。本方法首先自动将训练样本分为若干类别，对每一类别学习得到最佳的“样本特征－显著度分布图”映射函数，并对每类训练样本的底层特征进行建模。对待估计样本，根据其底层特征判断其属于哪一类样本，再选取相应的“样本特征－显著度分布图”映射函数来计算其显著度分布图。根据本发明可以快捷有效的估计视频和图像等多种多媒体信息的视觉显著度分布图。
-
Patent Agency Ranking
公开(公告)号：CN101639940B
公开(公告)日：2012-04-25
申请号：CN200810117547.4
申请日：2008-08-01
Applicant: 北京大学
Abstract: 一种基于视频内容的提取视频注意窗序列的方法。该方法包括：预处理阶段，计算视频序列中每一帧不同区域的视觉显著性；建模阶段，为候选大小的注意窗在三维时空立方体中构建图模型；优化阶段，通过优化算法，在已生成的图上提取最佳注意窗口的大小及滑动轨迹；压缩阶段，其通过投影将待搜索的三维时空立方体空间压缩为二维搜索空间，加速注意窗口序列提取。利用本发明所提供的提取视频注意窗口序列的方法及系统，可以对视频信息进行自适应的缩放和自适应的压缩，从而提高整个视频内容的传输和浏览效果。
-
公开(公告)号：CN101477633B
公开(公告)日：2010-08-25
申请号：CN200910076781.1
申请日：2009-01-21
Applicant: 北京大学
CPC classification number: G06K9/00711 , G06K9/4671
Abstract: 本发明涉及一种图像和视频处理方法，特别是一种通过机器学习技术来自动估计视频内容的视觉显著程度的方法。本方法首先自动将训练样本分为若干类别，对每一类别学习得到最佳的“样本特征-显著度分布图”映射函数，并对每类训练样本的底层特征进行建模。对待估计样本，根据其底层特征判断其属于哪一类样本，再选取相应的“样本特征-显著度分布图”映射函数来计算其显著度分布图。根据本发明可以快捷有效的估计视频和图像等多种多媒体信息的视觉显著度分布图。
-
公开(公告)号：CN101482926A
公开(公告)日：2009-07-15
申请号：CN200910077364.9
申请日：2009-02-19
Applicant: 北京大学
Abstract: 一种可伸缩的自适应多核分类方法，涉及人工智能领域，特别是数据挖掘技术。预处理阶段，得到多核矩阵；建模阶段，构建一个簇相关的多核分类器；参数学习阶段，在统一的框架内对分类器参数及多组多核权值参数进行优化；数据分类阶段，对待分类的样本，首先确定其属于哪一个簇，再利用学习好的分类器进行数据分类。本发明通过引入中间表达“簇”挖掘复杂数据集的类间相关性和类内多样性，建立了簇相关的自适应和可伸缩多核分类器，并通过迭代的方式在统一的学习框架下优化分类器参数和多组多核权值参数。面对类别繁多且特征表现复杂的数据分类问题，解决类间相关性和类内多样性带来的数据混叠问题，提高了分类准确率，且分类效果更为鲁棒。
-
公开(公告)号：CN101482926B
公开(公告)日：2011-06-15
申请号：CN200910077364.9
申请日：2009-02-19
Applicant: 北京大学
Abstract: 一种可伸缩的自适应多核分类方法，涉及人工智能领域，特别是数据挖掘技术。预处理阶段，得到多核矩阵；建模阶段，构建一个簇相关的多核分类器；参数学习阶段，在统一的框架内对分类器参数及多组多核权值参数进行优化；数据分类阶段，对待分类的样本，首先确定其属于哪一个簇，再利用学习好的分类器进行数据分类。本发明通过引入中间表达“簇”挖掘复杂数据集的类间相关性和类内多样性，建立了簇相关的自适应和可伸缩多核分类器，并通过迭代的方式在统一的学习框架下优化分类器参数和多组多核权值参数。面对类别繁多且特征表现复杂的数据分类问题，解决类间相关性和类内多样性带来的数据混叠问题，提高了分类准确率，且分类效果更为鲁棒。
-
公开(公告)号：CN101639940A
公开(公告)日：2010-02-03
申请号：CN200810117547.4
申请日：2008-08-01
Applicant: 北京大学
Abstract: 一种基于视频内容的提取视频注意窗序列的方法。该方法包括：预处理阶段，计算视频序列中每一帧不同区域的视觉显著性；建模阶段，为候选大小的注意窗在三维时空立方体中构建图模型；优化阶段，通过优化算法，在已生成的图上提取最佳注意窗口的大小及滑动轨迹；压缩阶段，其通过投影将待搜索的三维时空立方体空间压缩为二维搜索空间，加速注意窗口序列提取。利用本发明所提供的提取视频注意窗口序列的方法及系统，可以对视频信息进行自适应的缩放和自适应的压缩，从而提高整个视频内容的传输和浏览效果。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
