-
公开(公告)号：CN119027845B
公开(公告)日：2025-02-14
申请号：CN202411514321.3
申请日：2024-10-29
Applicant: 华侨大学 , 泉州圣源警用侦察设备有限公司
IPC: G06V20/17 , G06V10/25 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/80
Abstract: 本发明涉及图像处理与人工智能技术领域，公开了一种无人机森林火灾风险区块检测方法及系统，方法包括：构建基于区块分类的目标检测模型并进行训练，利用训练好的基于区块分类的目标检测模型实现无人机森林火灾风险区块检测；所述基于区块分类的目标检测模型利用区块映射器无人机图像中的不同区块映射为区块特征；利用多阶段采样网络对区块特征进行多种尺度的采样，并利用降维映射层进行尺度对齐，获得多尺度区块特征；通过哈达玛积融合多尺度区块特征，利用区块分类器将融合后的多尺度区块特征映射至区块类别概率。本发明以区域分类方式实现风险区块的定位，避免了现有技术因精确定位导致的庞大计算量，延长无人机可用时间。
-
公开(公告)号：CN119027845A
公开(公告)日：2024-11-26
申请号：CN202411514321.3
申请日：2024-10-29
Applicant: 华侨大学 , 泉州圣源警用侦察设备有限公司
IPC: G06V20/17 , G06V10/25 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/80
Abstract: 本发明涉及图像处理与人工智能技术领域，公开了一种无人机森林火灾风险区块检测方法及系统，方法包括：构建基于区块分类的目标检测模型并进行训练，利用训练好的基于区块分类的目标检测模型实现无人机森林火灾风险区块检测；所述基于区块分类的目标检测模型利用区块映射器无人机图像中的不同区块映射为区块特征；利用多阶段采样网络对区块特征进行多种尺度的采样，并利用降维映射层进行尺度对齐，获得多尺度区块特征；通过哈达玛积融合多尺度区块特征，利用区块分类器将融合后的多尺度区块特征映射至区块类别概率。本发明以区域分类方式实现风险区块的定位，避免了现有技术因精确定位导致的庞大计算量，延长无人机可用时间。
-
公开(公告)号：CN119339084B
公开(公告)日：2025-03-25
申请号：CN202411836240.5
申请日：2024-12-13
Applicant: 华侨大学 , 泉州圣源警用侦察设备有限公司
IPC: G06V10/26 , G06V10/764
Abstract: 本发明公开了一种基于区块类别编码的电缆图像分割方法及装置，涉及图像处理领域，包括：构建电缆图像分割模型和区块编码模块，将电缆分割训练数据中的图像数据输入到语义分割编码器，得到区块特征，将区块特征输入到语义分割解码器，得到语义类别概率，基于语义类别概率和语义类别标签构建语义分割损失函数，将语义类别标签输入到区块编码模块，得到区块类别标签，基于语义类别概率和区块类别标签构建相关性匹配损失函数，并计算得到总损失函数，基于总损失函数对电缆图像分割模型进行训练，得到经训练的电缆图像分割模型；利用经训练的电缆图像分割模型进行图像分割。本发明解决目前电缆图像分割技术中分割不完整、准确率低的问题。
-
公开(公告)号：CN119339084A
公开(公告)日：2025-01-21
申请号：CN202411836240.5
申请日：2024-12-13
Applicant: 华侨大学 , 泉州圣源警用侦察设备有限公司
IPC: G06V10/26 , G06V10/764
Abstract: 本发明公开了一种基于区块类别编码的电缆图像分割方法及装置，涉及图像处理领域，包括：构建电缆图像分割模型和区块编码模块，将电缆分割训练数据中的图像数据输入到语义分割编码器，得到区块特征，将区块特征输入到语义分割解码器，得到语义类别概率，基于语义类别概率和语义类别标签构建语义分割损失函数，将语义类别标签输入到区块编码模块，得到区块类别标签，基于语义类别概率和区块类别标签构建相关性匹配损失函数，并计算得到总损失函数，基于总损失函数对电缆图像分割模型进行训练，得到经训练的电缆图像分割模型；利用经训练的电缆图像分割模型进行图像分割。本发明解决目前电缆图像分割技术中分割不完整、准确率低的问题。
-
公开(公告)号：CN119444804A
公开(公告)日：2025-02-14
申请号：CN202510037837.1
申请日：2025-01-10
Applicant: 华侨大学
Abstract: 本发明涉及图像处理技术领域，提出了一种基于动态自适应和强化特征的多目标跟踪分割方法及系统，方法包括前处理步骤、外观代价计算步骤、预匹配步骤、运动代价计算步骤、正式匹配步骤、后处理步骤、重复步骤和可视化步骤。该方法通过具有动态自适应的数据关联对目标特征进行细化整合，以及利用基于掩码的注意力机制和基于四三角形变的掩码预测分别强化目标外观特征和运动信息，以能够在保持高跟踪精度的同时，实现快速运算和低成本运行，适用于更广泛的应用场景。
-
Patent Agency Ranking
公开(公告)号：CN118865075B
公开(公告)日：2024-12-03
申请号：CN202411319739.9
申请日：2024-09-23
Applicant: 华侨大学
IPC: G06V10/98 , G06N3/043 , G06N3/0464 , G06V10/776 , G06V10/82
Abstract: 本发明公开了一种基于分层时空感知的屏幕内容视频质量评价方法及装置，涉及视频评价领域，包括：提取屏幕内容视频中的若干个碎片化视频和若干个关键帧并输入经训练的屏幕内容视频质量评价模型，每个关键帧输入显著性计算模块筛选出若干个显著视频块，每个显著视频块输入双通道卷积神经网络，得到每个阶段的多层特征并输入块级质量评估模块，经过空间门特征增强模块，得到每个阶段的增强特征并输入块级质量聚合模块，得到每个视频块的块级质量分数；采用自适应加权策略计算得到空域感知质量分数；碎片化视频输入时域感知质量评估支路，得到时域感知质量分数，两者结合计算得到屏幕内容视频的质量分数，解决现有视频质量评价方法可靠性差的问题。
-
公开(公告)号：CN118379777B
公开(公告)日：2024-11-22
申请号：CN202410807403.0
申请日：2024-06-21
Applicant: 华侨大学
IPC: G06V40/16 , G06N3/0442 , G06N3/0475 , G06N3/094 , G06V10/774 , G06V10/82 , G06V20/40 , G06V40/20 , G10L21/10
Abstract: 本发明公开了一种基于姿势对抗网络的人脸视频生成方法及系统，涉及图像处理技术领域，方法包括：构建人脸视频生成模型，包括图像编码器、音频编码器、头部运动预测模块、姿势编码器和解码器，所述人脸视频生成模型接收人脸图像和语音音频，生成人脸说话视频；获取训练数据集并对人脸视频生成模型进行预训练；构建唇型同步判别器作为判别器，对预训练人脸视频生成模型进行生成对抗训练；利用训练好的人脸视频生成模型实现人脸视频生成。本发明利用音频信号的动态特性对头部运动进行建模，并结合生成对抗网络与唇型同步判别器提高人脸视频的唇形同步精度，同时兼顾视频的逼真度，使得其更加真实、自然，从而为各种应用场景提供了更多的灵活性。
-
公开(公告)号：CN118381920B
公开(公告)日：2024-09-17
申请号：CN202410807401.1
申请日：2024-06-21
Applicant: 华侨大学
IPC: H04N19/147 , G06V10/80 , G06V10/44 , G06V10/54
Abstract: 本发明公开了一种基于联合特征的MIV沉浸式视频率失真优化方法，涉及视频编码领域，包括：计算像素的几何失真权重；将帧内划分为纹理区域与深度区域，提取纹理区域的纹理复杂度特征、纹理区域的边缘特征和深度区域的边缘特征，自适应融合纹理区域的边缘特征和深度区域的边缘特征以得到融合边缘特征；使用纹理复杂度特征与融合边缘特征组成的联合特征，计算得到纹理区域的失真度量缩放因子与深度区域的失真度量缩放因子；根据纹理区域的失真度量缩放因子、失真度量缩放因子和几何失真权重计算新拉格朗日乘子；基于新拉格朗日乘子实现沉浸式视频的率失真优化。本发明可以使得最终渲染的沉浸式视频具有更好的渲染质量与率失真性能。
-
公开(公告)号：CN118469876A
公开(公告)日：2024-08-09
申请号：CN202410912771.1
申请日：2024-07-09
Applicant: 华侨大学
IPC: G06T5/77 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T5/60
Abstract: 本发明公开了一种基于强感知Transformer架构的缺损视频修复方法及系统，涉及视频处理技术领域，方法包括以下步骤：特征提取模块接收待修复的缺损视频帧序列，采用卷积神经网络对视频帧进行特征提取，输出第一特征；强感知Transformer模块接收第一特征，采用交叉堆叠的局部感知Transformer和全局感知Transformer结构对第一特征进行纹理信息建模和结构信息建模，输出第二特征；重构模块接收第二特征，采用反卷积层进行视频帧重建，输出修复后视频帧序列。本发明采用交叉堆叠的局部感知Transformer和全局感知Transformer进行纹理信息和结构信息建模，有效解决现阶段缺损视频修复方法中存在修复区域缺乏细节纹理、全局结构与局部纹理不匹配的问题，实现更好的修复效果。
-
公开(公告)号：CN118381920A
公开(公告)日：2024-07-23
申请号：CN202410807401.1
申请日：2024-06-21
Applicant: 华侨大学
IPC: H04N19/147 , G06V10/80 , G06V10/44 , G06V10/54
Abstract: 本发明公开了一种基于联合特征的MIV沉浸式视频率失真优化方法，涉及视频编码领域，包括：计算像素的几何失真权重；将帧内划分为纹理区域与深度区域，提取纹理区域的纹理复杂度特征、纹理区域的边缘特征和深度区域的边缘特征，自适应融合纹理区域的边缘特征和深度区域的边缘特征以得到融合边缘特征；使用纹理复杂度特征与融合边缘特征组成的联合特征，计算得到纹理区域的失真度量缩放因子与深度区域的失真度量缩放因子；根据纹理区域的失真度量缩放因子、失真度量缩放因子和几何失真权重计算新拉格朗日乘子；基于新拉格朗日乘子实现沉浸式视频的率失真优化。本发明可以使得最终渲染的沉浸式视频具有更好的渲染质量与率失真性能。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.031 seconds)
