-
公开(公告)号：CN114173130A
公开(公告)日：2022-03-11
申请号：CN202111470236.8
申请日：2021-12-03
Applicant: 电子科技大学
IPC: H04N19/176 , H04N19/117 , H04N19/186 , H04N19/70 , H04N19/82 , H04N19/85 , G06N3/04 , G06N3/08
Abstract: 本发明属于视频编码技术领域,具体涉及一种适用于低码率条件的深度神经网络的环路滤波方法。本发明通过利用去噪网络DnCNN代替VVC中的DF和SAO模块,主要解决传统环路滤波方案复杂度高、失真消除效果不理想的问题,用于进一步提升视频重建质量。本发明在AI编码结构下编码复杂度平均增加了14％,使用DnCNN滤波后的重建图像质量明显提升，使得后续VVC中的环路滤波模块ALF的滤波操作变简化,编码时间减少。
-
公开(公告)号：CN113489981A
公开(公告)日：2021-10-08
申请号：CN202110761012.6
申请日：2021-07-06
Applicant: 电子科技大学
IPC: H04N19/147 , H04N19/154 , H04N19/176
Abstract: 本发明属于图像编码技术领域，具体涉及一种考虑时域率失真优化的零延迟码率控制方法。本发明通过编码器对视频进行编码并控制视频编码码率，所述方法包括帧级的码率控制以及时域率失真优化。帧级码率控制主要包括帧级目标比特数的分配以及码率控制参数更新；时域率失真优化主要包括利用已编码帧的失真信息估计当前编码帧内每个宏块的时域依赖性并据此调整宏块的率失真优化。本发明能够在降低编码复杂度且不需要缓存后续帧的前提下，使得实际码率和目标码率非常接近，有效缩短码率控制模式下编码时间，并且在给定码率的情况下提升视频编码质量。
-
公开(公告)号：CN114726926A
公开(公告)日：2022-07-08
申请号：CN202210324798.X
申请日：2022-03-30
Applicant: 电子科技大学
Abstract: 本发明属于编码技术领域，具体涉及一种用于拉普拉斯信源的自适应变长编码方法。本发明包含两个部分：自适应参数m的计算以及变长编码的构造。自适应参数m计算由拉普拉斯分布参数以及量化步长决定，由此可以确定最符合该信源分布的变长编码码字。变长编码的构造由自适应参数m决定，由前缀部分和后缀部分组成，该变长编码构造方法区别于任何一种现有的变长编码，是一种编码效率接近最佳码的编码方式。本发明能够适应任意拉普拉斯分布并具有良好的压缩效率。
-
公开(公告)号：CN117273168A
公开(公告)日：2023-12-22
申请号：CN202311238148.4
申请日：2023-09-25
Applicant: 河北工业大学 , 之江实验室 , 电子科技大学(深圳)高等研究院 , 大连理工大学
IPC: G06N20/00 , G06N3/0455 , G06N3/08 , G06F21/62
Abstract: 本发明提供了一种联邦大模型自适应学习系统。在多目标优化与增量学习结合的基础上，构建多个优化指标，设计自适应的小模型增量学习；针对联邦学习下的数据隐私保护，提出小模型梯度放缩方法，使梯度信息得到充分利用；通过揭示模型泛化能力与采样数据的关联性，提出泛化能力评估函数；针对工业设备运行时面对的性能退化、故障等真实问题，结合泛化能力评估函数，设计多个优化目标，通过多目标演化学习自适应地更新与修复模型，提高大模型在真实工业场景下的可用性。最终实现大、小模型的自适应精准更新，提升模型泛化能力。
-
公开(公告)号：CN114726926B
公开(公告)日：2023-03-31
申请号：CN202210324798.X
申请日：2022-03-30
Applicant: 电子科技大学
Abstract: 本发明属于编码技术领域，具体涉及一种用于拉普拉斯信源的自适应变长编码方法。本发明包含两个部分：自适应参数m的计算以及变长编码的构造。自适应参数m计算由拉普拉斯分布参数以及量化步长决定，由此可以确定最符合该信源分布的变长编码码字。变长编码的构造由自适应参数m决定，由前缀部分和后缀部分组成，该变长编码构造方法区别于任何一种现有的变长编码，是一种编码效率接近最佳码的编码方式。本发明能够适应任意拉普拉斯分布并具有良好的压缩效率。
-
Patent Agency Ranking
公开(公告)号：CN114173130B
公开(公告)日：2023-02-10
申请号：CN202111470236.8
申请日：2021-12-03
Applicant: 电子科技大学
IPC: H04N19/176 , H04N19/117 , H04N19/186 , H04N19/70 , H04N19/82 , H04N19/85 , G06N3/0464 , G06N3/08
Abstract: 本发明属于视频编码技术领域,具体涉及一种适用于低码率条件的深度神经网络的环路滤波方法。本发明通过利用去噪网络DnCNN代替VVC中的DF和SAO模块,主要解决传统环路滤波方案复杂度高、失真消除效果不理想的问题,用于进一步提升视频重建质量。本发明在AI编码结构下编码复杂度平均增加了14％,使用DnCNN滤波后的重建图像质量明显提升，使得后续VVC中的环路滤波模块ALF的滤波操作变简化,编码时间减少。
-
公开(公告)号：CN113489981B
公开(公告)日：2023-02-03
申请号：CN202110761012.6
申请日：2021-07-06
Applicant: 电子科技大学
IPC: H04N19/147 , H04N19/154 , H04N19/176
Abstract: 本发明属于图像编码技术领域，具体涉及一种考虑时域率失真优化的零延迟码率控制方法。本发明通过编码器对视频进行编码并控制视频编码码率，所述方法包括帧级的码率控制以及时域率失真优化。帧级码率控制主要包括帧级目标比特数的分配以及码率控制参数更新；时域率失真优化主要包括利用已编码帧的失真信息估计当前编码帧内每个宏块的时域依赖性并据此调整宏块的率失真优化。本发明能够在降低编码复杂度且不需要缓存后续帧的前提下，使得实际码率和目标码率非常接近，有效缩短码率控制模式下编码时间，并且在给定码率的情况下提升视频编码质量。
-
公开(公告)号：CN111563513A
公开(公告)日：2020-08-21
申请号：CN202010411177.6
申请日：2020-05-15
Applicant: 电子科技大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种基于注意力机制的散焦模糊检测方法。本发明的网络结构中使用了通道注意力机制，从全局的角度上提取特征层间的联系，有效地提升了特征的表现能力，同时本发明中应用了空间注意力机制，通过结合高阶的语义信息，实现对于低阶信息的有选择的提取。本发明解决了改善模糊检测中的两个重要问题，一是对于光滑的清晰区域的正确分类，二是有效抑制杂乱背景带来的影响。
-
公开(公告)号：CN114549673B
公开(公告)日：2023-06-23
申请号：CN202210182212.0
申请日：2022-02-25
Applicant: 电子科技大学
Abstract: 本发明属于图像处理和神经网络技术领域，具体涉及一种基于学习频域信息预处理图像的图像压缩方法。本发明通过深度学习技术，对需要进行压缩的图像进行预先进行处理，随后对预处理后的图像进行压缩，无需对压缩后图像进行进一步的后处理的前提下，可以直接提高对应压缩方法的效果。本发明使用通过神经网络学习输入图像的频域信息，并建立频域信息与图像的可压缩性能之间的对应关系，使神经网络得以在图像可压缩性能和质量损失之间做权衡，从而能够对输入图像进行恰当的预处理来提高压缩的效果。
-
公开(公告)号：CN111563513B
公开(公告)日：2022-06-24
申请号：CN202010411177.6
申请日：2020-05-15
Applicant: 电子科技大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种基于注意力机制的散焦模糊检测方法。本发明的网络结构中使用了通道注意力机制，从全局的角度上提取特征层间的联系，有效地提升了特征的表现能力，同时本发明中应用了空间注意力机制，通过结合高阶的语义信息，实现对于低阶信息的有选择的提取。本发明解决了改善模糊检测中的两个重要问题，一是对于光滑的清晰区域的正确分类，二是有效抑制杂乱背景带来的影响。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
