公开(公告)号：CN111724306B

公开(公告)日：2022-07-08

申请号：CN202010563256.9

申请日：2020-06-19

Applicant: 福州大学

Inventor： 牛玉贞 ,  钟梦真 ,  林家祺 ,  刘文犀

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G06V10/774

Abstract: 本发明涉及一种基于卷积神经网络的图像缩小方法及系统，首先对原始高分辨率训练图像进行预处理，得到原始高分辨率训练图像块组成的图像块数据集；然后设计图像缩小教师网络，并使用图像块数据集训练该网络；接着设计图像缩小学生网络，保持训练好的图像缩小教师网络的参数、权重不变，训练图像缩小学生网络；最后将原始高分辨率的测试图像输入到训练好的图像缩小学生网络，预测其缩小后的图像。本发明能够提高图像缩小后小图的质量。

公开(公告)号：CN112954312B

公开(公告)日：2024-01-05

申请号：CN202110176125.X

申请日：2021-02-07

Applicant: 福州大学

Inventor： 牛玉贞 ,  钟梦真 ,  陈俊豪

IPC: H04N17/00 ,  G06T7/00 ,  G06N3/0464 ,  G06V10/82 ,  G06N3/048 ,  G06N3/08 ,  G06F18/241 ,  G06V10/80 ,  G06T3/4038

Abstract: 本发明涉及一种融合时空特征的无参考视频质量评估方法，包括以下步骤:步骤S1:获取视频数据集，作为训练集；步骤S2:构建空域特征提取子网络，并基于训练集下采样得到的帧集合训练；步骤S3:构建时域特征提取子网络，并基于训练集的残差图像序列训练；步骤S4:根据训练后的空域特征提取子网络和时域特征提取子网络，构建视频质量评估网络，并通过注意力机制自适应的调整时域和空域特征对于视频感知质量的影响，训练得到视频质量评估模型；步骤S5:根据得到的视频质量评估模型，提取待测视频的时域和空域特征，并计算待测视频的质量分数。本发明可以显著提高无参考视频质量评估的性能。

公开(公告)号：CN112954312A

公开(公告)日：2021-06-11

申请号：CN202110176125.X

申请日：2021-02-07

Applicant: 福州大学

Inventor： 牛玉贞 ,  钟梦真 ,  陈俊豪

IPC: H04N17/00 ,  G06T7/00 ,  G06T3/40 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明涉及一种融合时空特征的无参考视频质量评估方法，包括以下步骤:步骤S1:获取视频数据集，作为训练集；步骤S2:构建空域特征提取子网络，并基于训练集下采样得到的帧集合训练；步骤S3:构建时域特征提取子网络，并基于训练集的残差图像序列训练；步骤S4:根据训练后的空域特征提取子网络和时域特征提取子网络，构建视频质量评估网络，并通过注意力机制自适应的调整时域和空域特征对于视频感知质量的影响，训练得到视频质量评估模型；步骤S5:根据得到的视频质量评估模型，提取待测视频的时域和空域特征，并计算待测视频的质量分数。本发明可以显著提高无参考视频质量评估的性能。

公开(公告)号：CN111724306A

公开(公告)日：2020-09-29

申请号：CN202010563256.9

申请日：2020-06-19

Applicant: 福州大学

Inventor： 牛玉贞 ,  钟梦真 ,  林家祺 ,  刘文犀

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明涉及一种基于卷积神经网络的图像缩小方法及系统，首先对原始高分辨率训练图像进行预处理，得到原始高分辨率训练图像块组成的图像块数据集；然后设计图像缩小教师网络，并使用图像块数据集训练该网络；接着设计图像缩小学生网络，保持训练好的图像缩小教师网络的参数、权重不变，训练图像缩小学生网络；最后将原始高分辨率的测试图像输入到训练好的图像缩小学生网络，预测其缩小后的图像。本发明能够提高图像缩小后小图的质量。