-
公开(公告)号：CN120088858A
公开(公告)日：2025-06-03
申请号：CN202510167032.9
申请日：2025-02-14
Applicant: 西安电子科技大学杭州研究院 , 西安电子科技大学
IPC: G06V40/20 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种基于深度学习的坐姿评价方法和系统，通过预构建的姿态估计模型处理待检测坐姿图像，得到坐姿评价结果；输出所述坐姿评价结果；模型包括依次连接的骨干网络、关键点检测模型、坐标过滤器和姿态分类器；关键点检测模型包括横坐标定位分支、纵坐标定位分支和关键点存在性检测头，横坐标定位分支和纵坐标定位分支均包括依次通信连接的多级感受野模块、全连接层和门控注意力单元；横坐标定位分支和纵坐标定位分支各自输入端均连接骨干网络，全连接层的输出端分别连接关键点存在性检测头的两个输入端，各自的门控注意力单元的输出端以及关键点存在性检测头的输出端分别连接坐标过滤器的输入端，实现了高精度低计算开销的坐姿检测功能。
-
公开(公告)号：CN106157259A
公开(公告)日：2016-11-23
申请号：CN201610465886.6
申请日：2016-06-24
Applicant: 西安电子科技大学昆山创新研究院 , 西安电子科技大学
IPC: G06T5/00
CPC classification number: G06T5/003 , G06T5/002 , G06T2207/10016 , G06T2207/20032
Abstract: 本发明公开了一种基于尺度混合模型和低秩逼近的视频去噪方法，主要解决现有技术难以精确去除高斯脉冲混合噪声的问题。其方案是：1.采用中值滤波法获得视频的初始估计，并在测试图像的前后帧里寻找相似图像块矩阵；2.用拉普拉斯尺度混合模型对异常点集合建模，将异常点估计问题转为异常点和隐藏因子联合求解的问题，以去除混合噪声带来的异常点；3.对相似图像块矩阵进行低秩逼近，利用非局部低秩模型计算出去噪后图像；4.用拉普拉斯尺度混合模型和非局部低秩模型迭代计算得到恢复的单帧图像；5.重复1‐4得到去噪后的视频。本发明能去除混合噪声，保留图像细节信息，视觉效果更好，可用于视频多媒体、遥感影像、医学影像去噪。
-
公开(公告)号：CN114841889B
公开(公告)日：2025-01-07
申请号：CN202210528793.9
申请日：2022-05-16
Applicant: 西安电子科技大学
Abstract: 本发明属于一种视频去噪方法,为解决目前基于深度学习的视频去噪方法，去噪效果并未完全超过传统基于模型的方法，且去噪后的视频质量也无法得到有效保障的技术问题，提供一种基于模型约束的深度网络视频去噪方法、程序产品,针对视频降噪，提出了一种新的基于模型引导的视频去噪网络作为观测模型，该视频去噪网络描述了相邻噪声帧之间的关系，可通过最大后验概率估计有效恢复干净视频帧，迭代步骤也可以进行有效计算。相比传统的观测模型，本发明中的新观测模型通过实现有效的迭代步骤，将计算复杂度大大降低，能够有效提高降噪后的视频质量。
-
公开(公告)号：CN118818946A
公开(公告)日：2024-10-22
申请号：CN202411071827.1
申请日：2024-08-06
Applicant: 西安电子科技大学
Abstract: 一种基于FPGA的高精度TDC系统，包括弱信号放大电路、甄别电路以及多级进位链的时间数字转换电路；弱信号放大电路用于对微通道板光电倍增管、单光子雪崩二极管的弱光探测器产生的超短脉冲起放大作用的弱信号放大电路，弱信号放大电路连接甄别电路的同相输入端；甄别电路用于对弱光探测器产生的脉冲以及噪声产生的脉冲做甄别，通过设置阈值电压实现电平的调节，弱信号放大器和甄别电路组成的电路输出信号给多级进位链的时间数字转换电路；多级进位链的时间数字转换电路用于对甄别后输入的脉冲做计数；甄别电路的比较器需要直流电压，采用数模转换器输出的直流电压。本发明大大降低了FPGA中由于不同逻辑块之间的进位链宽度不一致导致的线性度恶化问题。
-
公开(公告)号：CN110175951B
公开(公告)日：2022-12-02
申请号：CN201910409352.5
申请日：2019-05-16
Applicant: 西安电子科技大学
IPC: G06T3/00
Abstract: 本发明公开了一种基于时域一致性约束的视频风格迁移方法，主要解决现有技术在视频风格迁移中出现的闪烁、前后不连贯的问题。其实现方案为：1)获取视频数据集、风格图像，并离线计算光流信息；2)构建基于时域一致性约束的视频风格转换网络；3)利用视频数据集、风格图像以及光流信息训练风格转换网络模型，更新其各层的权值和偏置；4)将测试视频输入到训练好的风格转换网络模型中，输出结果即为风格化视频。本发明通过训练风格转换网络模型拟合输入视频与风格化视频之间的非线性映射关系，并以这种关系为指导对真实视频进行不同风格的渲染，提高了风格化视频的时域一致性和视觉效果，可用于视频渲染、风格转换的视频处理场景。
-
Patent Agency Ranking
公开(公告)号：CN110166779B
公开(公告)日：2021-06-08
申请号：CN201910433279.5
申请日：2019-05-23
Applicant: 西安电子科技大学
IPC: H04N19/132 , H04N19/172 , H04N19/42
Abstract: 本发明公开了一种基于超分辨率重构的视频压缩方法，主要解决现有方法在低码率压缩情况下丢失较多信息导致重构出的视频峰值信噪比低的问题，其实现步骤为：1.获取包含压缩样本集和输入视频集的训练样本；2.构建基于TensorFlow架构的深度卷积神经网络模型；3.利用获取的训练样本对构建的深度卷积神经网络模型进行训练；4.将待压缩的视频进行预处理后输入到训练好的深度卷积神经网络模型中，对视频进行压缩与恢复，得到最终恢复出的视频。本发明减少了低码率压缩情况下的信息丢失，提高了恢复视频的峰值信噪比，可应用于视频存储、视频传输及视频通信场合。
-
公开(公告)号：CN108764313A
公开(公告)日：2018-11-06
申请号：CN201810475610.5
申请日：2018-05-17
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/627 , G06K9/6215 , G06K9/6255
Abstract: 本发明提出了一种基于深度学习的超市商品目标识别方法，解决现有技术在真实超市场景中识别率低的问题。其实现方案是：1)制作超市货架商品训练集；2)构建商品检测网络并在制作的训练集上进行训练；3)将货架图片输入到训练好的网络模型中得到图片中所有的商品目标区域；4)将网络模型中最后一层卷积层的输出作为商品目标的特征；5)对商品特征进行编码得到商品描述子；6)计算商品描述子与已有模型库中商品模型描述子的相似度；7)将最相似的商品模型作为识别结果。本发明能够准确检测货架图片中商品目标区域，并且能够正确识别出商品目标，可用于超市货架商品管理。
-
公开(公告)号：CN108734675A
公开(公告)日：2018-11-02
申请号：CN201810474087.4
申请日：2018-05-17
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种自然图像复原方法，主要解决现有技术中无法得到较为满意的客观复原效果和主观视觉效果的问题。其实现方案为：1)对复原图像和循环次数进行初始化；2)构造并训练12层卷积神经网络；3)计算初始复原图像初步估计值；4)由初始复原图像初步估计值计算稀疏特征图初步估计值；5)对初始复原图像初步估计值分块，并计算块的权重；6)由块的权重计算稀疏特征图非局部估计值；7)由稀疏特征图初步估计值和非局部估计值计算稀疏特征图先验估计值；8)根据稀疏特征图的先验估计值构建求解复原图像的目标函数；9)求解目标函数并输出复原图像。本发明复原结果纹理细节清晰，可用于将数码相机中的退化图像恢复出真实图像。
-
公开(公告)号：CN108492265A
公开(公告)日：2018-09-04
申请号：CN201810217981.3
申请日：2018-03-16
Applicant: 西安电子科技大学
Abstract: 一种基于生成对抗网络GAN的CFA图像去马赛克联合去噪方法。本发明的步骤如下：(1)获取训练样本集；(2)构建生成对抗网络GAN；(3)更新9层卷积神经网络参数；(4)更新39层卷积神经网络参数；(5)判断39层卷积神经网络和9层卷积神经网络的更新次数是否达到200次，若是，则执行步骤(6)，否则，执行步骤(3)；(6)建立非线性映射关系；(7)获取去马赛克去噪后的图像。本发明能够很好的恢复数码相机所获得的含噪CFA图像的颜色信息，有效的抑制了数码相机获取图像过程中引入的噪声，减少了不自然颜色的出现，提高了彩色图像的视觉效果。
-
公开(公告)号：CN103400402B
公开(公告)日：2016-05-25
申请号：CN201310292137.4
申请日：2013-07-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于低秩结构稀疏的压缩感知MRI图像重建方法，主要解决现有技术难以精确恢复磁共振MRI图像的问题。其实现步骤是：采用传统压缩感知初始恢复磁共振MRI图像，并在该图像中寻找相似块矩阵，形成索引集合；对相似块矩阵进行奇异值分解并计算阈值，利用该阈值对奇异值进行阈值计算得到阈值后奇异值；利用阈值后奇异值优化磁共振MRI图像，即对该磁共振MRI图像循环进行更新相似块矩阵及其索引、相似块矩阵奇异值分解以及算阈值和奇异值阈值计算的过程，得到最后的恢复图像。本发明所恢复的磁共振MRI图像更清晰，图像边缘更锐利，可用于对医学影像的处理。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.02 seconds)
