公开(公告)号：CN112631434A

公开(公告)日：2021-04-09

申请号：CN202110028453.5

申请日：2021-01-11

Applicant: 福州大学

Inventor： 赵铁松 ,  王楷 ,  徐艺文 ,  房颖 ,  冯伟泽 ,  郑权斐

IPC: G06F3/01 ,  G06N3/04

Abstract: 本发明涉及一种基于深度学习的振动触觉编解码方法，具体包括以下步骤：将触觉信号不同维度数据进行联合编码，去除触觉数据三维空间上存在的冗余，同时对其进行预处理；利用门控循环单元网络GRU进行训练，每次均以两组数据输入，得到下一组数据的预测数据，并以下一组数据的真实值作为标签，将预测数据和真实数据进行比较计算残差对预测数据进行补偿，得到重构后的预测数据；将重构的预测数据与和前一组数据打包重新作为下一轮预测的输入数据。本发明较现有技术，在性能上有大幅度的提升。

公开(公告)号：CN112631434B

公开(公告)日：2022-04-12

申请号：CN202110028453.5

申请日：2021-01-11

Applicant: 福州大学

Inventor： 赵铁松 ,  王楷 ,  徐艺文 ,  房颖 ,  冯伟泽 ,  郑权斐

IPC: G06F3/01 ,  G06N3/04

Abstract: 本发明涉及一种基于深度学习的振动触觉编解码方法，具体包括以下步骤：将触觉信号不同维度数据进行联合编码，去除触觉数据三维空间上存在的冗余，同时对其进行预处理；利用门控循环单元网络GRU进行训练，每次均以两组数据输入，得到下一组数据的预测数据，并以下一组数据的真实值作为标签，将预测数据和真实数据进行比较计算残差对预测数据进行补偿，得到重构后的预测数据；将重构的预测数据与和前一组数据打包重新作为下一轮预测的输入数据。本发明较现有技术，在性能上有大幅度的提升。

公开(公告)号：CN111263145B

公开(公告)日：2022-03-22

申请号：CN202010051264.5

申请日：2020-01-17

Applicant: 福州大学

Inventor： 赵铁松 ,  王楷 ,  徐艺文 ,  吴陆狄 ,  郑权斐

IPC: H04N19/103 ,  H04N19/567 ,  H04N19/85 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度神经网络的多功能视频快速编码方法。首先，通过研究视频内容的时空域相关性，使用反向传播（BP）神经网络对CU的划分深度进行预测；然后，使用统计概率对CU的划分模式进行选择；最后，在编码时跳过不必要的划分模式以节省编码时间，从而达到保证编码器编码性能不变的情况下降低时间复杂度的目的。

公开(公告)号：CN111711815B

公开(公告)日：2021-09-28

申请号：CN202010618890.8

申请日：2020-06-30

Applicant: 福州大学

Inventor： 赵铁松 ,  黄雨航 ,  吴陆狄 ,  徐艺文 ,  王楷

IPC: H04N19/124 ,  H04N19/593 ,  G06N3/04 ,  G06N20/20

Abstract: 本发明涉及一种基于集成学习和概率模型的快速VVC帧内预测方法，包括以下步骤：步骤S1：基于集成学习并利用视频序列的时空域相关性，预测得到不同编码单元的深度信息；步骤S2:使用时空域相邻已编码CU的划分模式对未编码CU的划分模式进行预测,并按概率大小排序得到划分模式排序表；步骤S3:根据得到的不同编码单元的深度信息和划分模式排序表，提前终止CU的划分。本发明在保证视频质量的前提下，有效地节省了视频编码时间，用于目前主流的高清、超高清视频编码时，优势更加明显。

公开(公告)号：CN111711815A

公开(公告)日：2020-09-25

申请号：CN202010618890.8

申请日：2020-06-30

Applicant: 福州大学

Inventor： 赵铁松 ,  黄雨航 ,  吴陆狄 ,  徐艺文 ,  王楷

IPC: H04N19/124 ,  H04N19/593 ,  G06N3/04 ,  G06N20/20

Abstract: 本发明涉及一种基于集成学习和概率模型的快速VVC帧内预测方法，包括以下步骤：步骤S1：基于集成学习并利用视频序列的时空域相关性，预测得到不同编码单元的深度信息；步骤S2:使用时空域相邻已编码CU的划分模式对未编码CU的划分模式进行预测,并按概率大小排序得到划分模式排序表；步骤S3:根据得到的不同编码单元的深度信息和划分模式排序表，提前终止CU的划分。本发明在保证视频质量的前提下，有效地节省了视频编码时间，用于目前主流的高清、超高清视频编码时，优势更加明显。

公开(公告)号：CN111263145A

公开(公告)日：2020-06-09

申请号：CN202010051264.5

申请日：2020-01-17

Applicant: 福州大学

Inventor： 赵铁松 ,  王楷 ,  徐艺文 ,  吴陆狄 ,  郑权斐

IPC: H04N19/103 ,  H04N19/567 ,  H04N19/85 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度神经网络的多功能视频快速编码方法。首先，通过研究视频内容的时空域相关性，使用反向传播（BP）神经网络对CU的划分深度进行预测；然后，使用统计概率对CU的划分模式进行选择；最后，在编码时跳过不必要的划分模式以节省编码时间，从而达到保证编码器编码性能不变的情况下降低时间复杂度的目的。