-
公开(公告)号:CN113288452B
公开(公告)日:2022-10-04
申请号:CN202110443748.9
申请日:2021-04-23
Applicant: 北京大学
Abstract: 本申请提出一种手术质量检测方法及装置,该方法包括:获取记录待检测手术过程的视频数据;基于视频数据,针对待检测手术的至少两种评价路径,分别提取与各评价路径相关的特征数据;基于特征数据和预设的评价函数,分别确定各评价路径在待检测手术过程不同时刻的质量评估值,及基于特征数据和预设的权重函数,分别确定各评价路径的各质量评估值对应的权重系数;根据各评价路径的所有质量评估值及对应的权重系数,确定待检测手术过程的质量检测结果。本申请基于多条评价路径,对手术质量进行自动化检测,提高了手术质量检测的效率、可重复性及全面性。
-
公开(公告)号:CN113288452A
公开(公告)日:2021-08-24
申请号:CN202110443748.9
申请日:2021-04-23
Applicant: 北京大学
Abstract: 本申请提出一种手术质量检测方法及装置,该方法包括:获取记录待检测手术过程的视频数据;基于视频数据,针对待检测手术的至少两种评价路径,分别提取与各评价路径相关的特征数据;基于特征数据和预设的评价函数,分别确定各评价路径在待检测手术过程不同时刻的质量评估值,及基于特征数据和预设的权重函数,分别确定各评价路径的各质量评估值对应的权重系数;根据各评价路径的所有质量评估值及对应的权重系数,确定待检测手术过程的质量检测结果。本申请基于多条评价路径,对手术质量进行自动化检测,提高了手术质量检测的效率、可重复性及全面性。
-
公开(公告)号:CN106023208B
公开(公告)日:2019-01-18
申请号:CN201610345192.9
申请日:2016-05-23
Applicant: 北京大学
IPC: G06T7/00
Abstract: 本发明实施例提供了一种图像质量的客观评价方法。所述方法包括:获取失真图像和所述失真图像对应的原始图像;提取所述原始图像的轮廓和所述失真图像的轮廓;计算所述失真图像的轮廓和所述原始图像的轮廓之间的相似性;根据所述失真图像的轮廓和所述原始图像的轮廓之间的相似性,得到所述失真图像的轮廓退化程度DSC;对所述原始图像和所述失真图像分别进行分割,生成分割区域;对于每个所述分割区域,分别衡量所述原始图像和所述失真图像之间的内容相似性;对每个所述分割区域的内容相似性加权,得到所述失真图像的区域退化程度DSR;根据所述失真图像的轮廓退化程度DSC和所述失真图像的区域退化程度DSR,得到所述失真图像的图像质量。
-
公开(公告)号:CN111161315A
公开(公告)日:2020-05-15
申请号:CN201911312114.9
申请日:2019-12-18
Applicant: 北京大学
Abstract: 本申请公开了一种基于图神经网络的多目标跟踪方法和系统,包括:预处理训练集,得到节点集合、边集合和全局变量;输入节点集合、边集合和全局变量至图神经网络得到外貌相似度矩阵和运动相似度矩阵;使用优化算法,根据损失函数、外貌相似度矩阵和运动相似度矩阵训练图神经网络,确定图神经网络的设置参数,再训练,得到训练好的图神经网络;使用训练好的图神经网络处理数据集,得到相似度矩阵;使用匹配算法对相似度矩阵进行计算得到数据集中目标的匹配结果。使用图神经网络,通过优化算法和损失函数,能够对节点集合、边集合和全局变量进行更新,通过在节点和边之外引入全局变量并更新,使图神经网络可以捕获全局信息,提高多目标跟踪的性能。
-
公开(公告)号:CN105635727B
公开(公告)日:2017-06-16
申请号:CN201511008623.4
申请日:2015-12-29
Applicant: 北京大学
IPC: H04N17/00
Abstract: 本发明实施例提供了一种基于成对比较的图像主观质量的评价的方法和装置。所述方法包括:利用图像客观质量评价算法,生成待评价的所有图像的客观质量分数;根据所述所有图像的客观质量分数,生成所述所有图像的图像对的初始化的成对比较结果,作为当前成对比较结果;根据所述当前成对比较结果,生成所述所有图像的当前全局排序结果;根据所述图像对的再进行一次主观比较的价值,从所述图像组的图像对中,选择一个第一图像对,获取观测者对所述第一图像对的相对质量的判断结果;根据观测者对所述第一图像对的相对质量的判断结果,更新图像的当前成对比较结果;更新所述当前全局排序结果;判断是否满足以下任一条件;当满足以下任一条件时,则结束。
-
公开(公告)号:CN103220549B
公开(公告)日:2015-04-22
申请号:CN201310181878.5
申请日:2013-05-16
Applicant: 北京大学
IPC: H04N17/00
Abstract: 本发明公开了一种视频发生器及系统,该发生器包括格式转换子模块、缓存池、协同调度模块、多级控制指针、缓存窗、时钟锁、播控输出模块。所述格式转换子模块用于对输入视频格式进行转换,并将转换后的视频输出到缓存池;缓存池用于码流数据的缓存,在缓存池中为码流分配指定数量的多级控制指针,并为每级控制指针开辟一个缓冲窗,缓冲窗输出连接播控输出模块;播控输出模块用于输出同源异步码流;时钟锁输出连接播控输出模块,用于通过播控输出模块的码流帧率设定系统时钟周期,并控制系统的输入输出操作;协同调度模块用于控制格式转换子模块、多级控制指针和时钟锁,缓存池和缓存窗的状态反馈至协同调度模块。视频发生器及系统可用于改进视频编码器主观测试的准确性和客观性,提高测试效率。
-
公开(公告)号:CN103745454A
公开(公告)日:2014-04-23
申请号:CN201310692533.6
申请日:2013-12-17
Applicant: 北京大学
Abstract: 本发明涉及图像质量评价领域,具体涉及一种基于排序学习的图像处理算法或系统的评价方法,输入若干组不同的图像处理算法或系统的输出结果图像,在完成标注的数据集上进行排序学习,得到排名函数,通过所述排名函数得到每一组待评价图像的相对质量高低,评价对应的图像处理算法或系统的相对质量,本发明的益处在于:适用性广,可面向图像压缩处理、图像清晰化处理等多种图像处理类型,尤其适用于图像清晰化处理等目前没有公认评价指标的情况,仅在人工标注阶段需要少量的参考图像信息,因此可以很好的解决一类很难得到参考图像的质量评价问题,利用本发明提供的基于排序学习的图像处理算法或系统的评价方法,可以评价多种图像处理类型的算法或系统的性能。
-
公开(公告)号:CN111161315B
公开(公告)日:2023-01-03
申请号:CN201911312114.9
申请日:2019-12-18
Applicant: 北京大学
Abstract: 本申请公开了一种基于图神经网络的多目标跟踪方法和系统,包括:预处理训练集,得到节点集合、边集合和全局变量;输入节点集合、边集合和全局变量至图神经网络得到外貌相似度矩阵和运动相似度矩阵;使用优化算法,根据损失函数、外貌相似度矩阵和运动相似度矩阵训练图神经网络,确定图神经网络的设置参数,再训练,得到训练好的图神经网络;使用训练好的图神经网络处理数据集,得到相似度矩阵;使用匹配算法对相似度矩阵进行计算得到数据集中目标的匹配结果。使用图神经网络,通过优化算法和损失函数,能够对节点集合、边集合和全局变量进行更新,通过在节点和边之外引入全局变量并更新,使图神经网络可以捕获全局信息,提高多目标跟踪的性能。
-
公开(公告)号:CN111191520A
公开(公告)日:2020-05-22
申请号:CN201911260885.8
申请日:2019-12-10
Applicant: 北京大学
IPC: G06K9/00
Abstract: 本发明公开了一种用于动作识别的人体骨架压缩方法,包括:获取待识别的人体骨架数据,其中所述人体骨架数据是由时间和关节构成的矩阵;计算所述人体骨架数据中每个关节的运动得分,并按照所述运动得分从高到低的顺序对所述人体骨架数据中的每个关节进行排序,按照顺序选择预设数目的关节作为保留关节;根据所述保留关节对所述人体骨架数据进行压缩,得到压缩数据;根据所述压缩数据对人体动作进行识别。通过上述方法,可以将骨架数据流压缩到较小的带宽,同时保持动作识别的精度尽可能高。
-
公开(公告)号:CN106023208A
公开(公告)日:2016-10-12
申请号:CN201610345192.9
申请日:2016-05-23
Applicant: 北京大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/10004 , G06T2207/30168
Abstract: 本发明实施例提供了一种图像质量的客观评价方法。所述方法包括:获取失真图像和所述失真图像对应的原始图像;提取所述原始图像的轮廓和所述失真图像的轮廓;计算所述失真图像的轮廓和所述原始图像的轮廓之间的相似性;根据所述失真图像的轮廓和所述原始图像的轮廓之间的相似性,得到所述失真图像的轮廓退化程度DSC;对所述原始图像和所述失真图像分别进行分割,生成分割区域;对于每个所述分割区域,分别衡量所述原始图像和所述失真图像之间的内容相似性;对每个所述分割区域的内容相似性加权,得到所述失真图像的区域退化程度DSR;根据所述失真图像的轮廓退化程度DSC和所述失真图像的区域退化程度DSR,得到所述失真图像的图像质量。
-
-
-
-
-
-
-
-
-