-
公开(公告)号：CN119342220A
公开(公告)日：2025-01-21
申请号：CN202411326960.7
申请日：2024-09-23
Applicant: 北京工业大学
IPC: H04N19/147 , H04N19/122 , H04N19/13 , H04N19/587 , H04N19/85 , H04N19/48
Abstract: 本发明公开一种自适应纬度感知变换编码的360°图像压缩方法及装置，码率节省上有显著优势，能够有效解决ERP图像的失真冗余问题。方法包括：(1)设计自适应纬度感知模块；(2)构建多尺度门控卷积神经网络；(3)变换调制重要性特征激活图引导的空间特征；(4)构建学习的360°图像压缩整体框架。
-
公开(公告)号：CN114565738B
公开(公告)日：2025-01-17
申请号：CN202210195181.2
申请日：2022-03-01
Applicant: 北京工业大学
IPC: G06T17/20 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及一种基于局部几何一致性与特征一致性的点云补全方法，用于解决点云补全任务中补全结果细节丢失严重以及补全的点云分布不均匀的问题，具体方案包括：基于特征一致性的方法通过加强预测值与真实值之间对应局部区域点云分布的一致性，解决细节丢失问题；此外，在点云生成过程中，本发明采用“粗糙到细节”多阶段方式生成不同尺度的点云，所以，基于特征一致性的方法通过将不同尺度点云映射到特征空间，通过加强不同尺度点云在特征空间的一致性，使得不同尺度的点云在几何形状上更加一致，使得最终的补全结果更加接近真实值。本发明与现有的方法比，很大程度上克服了上述提及的问题，本发明具有明显的提升效果。
-
公开(公告)号：CN112801027B
公开(公告)日：2024-07-12
申请号：CN202110182127.X
申请日：2021-02-09
Applicant: 北京工业大学
IPC: G06V20/56 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了基于事件相机的车辆目标检测方法，基于事件相机，利用深度学习技术研究了一种极端场景下的车辆目标检测方法。事件相机可以异步生成帧和事件数据，对克服运动模糊和极端光照条件有很大帮助。首先将事件转为事件图像，然后将帧图像和事件图像同时送入融合卷积神经网络，增加对事件图像进行特征提取的卷积层；同时在网络的中间层通过融合模块将二者的特征进行融合；最后重新设计损失函数提高了车辆目标检测的有效性。本发明的方法可以弥补在极端场景下仅使用帧图像进行目标检测的不足，在使用帧图像的基础上在融合卷积神经网络中融合事件图像，增强了在极端场景中车辆目标检测的效果。
-
公开(公告)号：CN114972034A
公开(公告)日：2022-08-30
申请号：CN202210633309.9
申请日：2022-06-06
Applicant: 北京工业大学
Abstract: 本发明针对基于超先验可变码率图像压缩方法无法针对目标码率快速给出网络应该输入的权衡参数的问题，提出了一种基于超先验可变码率图像压缩的个体R‑λ模型码率控制方法。本方法首先针对基于超先验模型的可变码率压缩框架，通过挖掘测试样本集合的码率与失真优化中的权衡参数λ之间的关系，提出了平均R‑λ模型；然后，假设个体R‑λ模型与平均R‑λ模型共享相同的结构，构建了自适应个体图像分布特性的个体R‑λ模型，并在此基础上建立基于个体R‑λ模型的码率控制算法，该算法通过调整权衡参数λ调节编码比特率，实现码率控制。本发明实现了对于任意图像，给定目标码率下，快速计算出应该输入网络的权衡参数，且码率控制的码率平均相对误差在百分之一到百分之三之间。
-
公开(公告)号：CN112801027A
公开(公告)日：2021-05-14
申请号：CN202110182127.X
申请日：2021-02-09
Applicant: 北京工业大学
Abstract: 本发明公开了基于事件相机的车辆目标检测方法，基于事件相机，利用深度学习技术研究了一种极端场景下的车辆目标检测方法。事件相机可以异步生成帧和事件数据，对克服运动模糊和极端光照条件有很大帮助。首先将事件转为事件图像，然后将帧图像和事件图像同时送入融合卷积神经网络，增加对事件图像进行特征提取的卷积层；同时在网络的中间层通过融合模块将二者的特征进行融合；最后重新设计损失函数提高了车辆目标检测的有效性。本发明的方法可以弥补在极端场景下仅使用帧图像进行目标检测的不足，在使用帧图像的基础上在融合卷积神经网络中融合事件图像，增强了在极端场景中车辆目标检测的效果。
-
Patent Agency Ranking
公开(公告)号：CN106991372B
公开(公告)日：2020-08-28
申请号：CN201710120922.X
申请日：2017-03-02
Applicant: 北京工业大学
Abstract: 本发明公开一种基于混合深度学习模型的动态手势识别方法包括：训练阶段，首先基于构成手势视频的图像集训练CNN，然后利用训练好的CNN逐帧提取动态手势视频序列每帧的空间特征；对待识别的每个手势视频序列，将CNN学习到的各帧级特征按时间顺序组织成矩阵；把该矩阵输入到MVRBM以学习融合时空属性的手势动作时空特征；引入具有判别性的NN；即把MVRBM看作NN模型参数的预训练过程，把MVRBM学到的网络权值和偏置作为NN的权值和偏置的初值，并通过反向传播算法微调NN权值和偏置；测试阶段，同样基于CNN逐帧提取动态手势视频序列每帧特征并拼接，输入前述训练好的NN进行手势识。采用本发明的技术方案，实现对3D动态手势视频序列的有效时空表示。
-
公开(公告)号：CN111402125A
公开(公告)日：2020-07-10
申请号：CN202010081238.7
申请日：2020-02-06
Applicant: 北京工业大学
Abstract: 公开一种基于非紧框架的稀疏表示方法，其有效地保证了信号的稳定重建，融合了合成稀疏表示模型与分析稀疏表示模型的优势，能很好地处理自然图像和合成图像。该方法针对信号样本集X＝[x1,x2,…,xL]，通过公式(1)-(4)获得稀疏表示模型y＝Sλ(ΨTx)，x＝Φyx＝ΦΨTx，Ψ＝F-1Φ (3)
-
-
-
公开(公告)号：CN106993189A
公开(公告)日：2017-07-28
申请号：CN201710219589.8
申请日：2017-04-06
Applicant: 北京工业大学
IPC: H04N19/186 , H04N19/105
Abstract: 本发明公开一种基于优化排序的屏幕内容视频的编码方法，包括序列分组、哈希特征提取、预测代价计算、最优排序生成、序列重排序、参考帧设置及编码。采用本发明的技术方案，通过利用屏幕内容的帧间相关性对视频序列进行重排序，来提升视频序列的编码效率。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.037 seconds)
