-
公开(公告)号：CN119741385A
公开(公告)日：2025-04-01
申请号：CN202411736795.2
申请日：2024-11-29
Applicant: 重庆邮电大学
IPC: G06T9/00 , H04N19/124 , G06N3/0455 , G06N3/0464 , G06N3/08 , G01S17/88
Abstract: 本发明涉及一种面向语义分割的激光雷达点云压缩系统，属于自动驾驶技术领域，包括：激光雷达点云投影模块：用于将三维空间在的激光雷达点云数据投影为深度图像，将点云数据转为二维表示；非线性变换网络：用于将深度图像进行编码处理，获得编码特征；量化模块：用于将获得的编码特征进行量化，获得量化特征；超先验变换网络和超先验反变换网络：作用于所获得的编码特征，生成先验信息；非线性反变换网络：用于将解码特征还原为用于下游机器视觉任务的中间特征；机器视觉任务网络：用于对非线性反变换网络传递的中间特征进行分析处理，获得激光雷达点云压缩结果。
-
公开(公告)号：CN116437097A
公开(公告)日：2023-07-14
申请号：CN202310426863.4
申请日：2023-04-20
Applicant: 重庆邮电大学
IPC: H04N19/34 , H04N19/436 , H04N19/423 , H04N19/124 , H04N19/132 , H04N19/182 , H04N19/60 , H04N19/91 , H04N19/93 , H04N19/96
Abstract: 本发明涉及一种基于FPGA的LCEVC视频编码装置，属于视频编码领域，包括存储模块、读写模块、控制模块、接口模块、上采样模块、做差模块、转换模块、量化模块、熵编码模块。FPGA最小运行单元包括作为视频编码处理器的Xilinx Zynq UltraScale+XCZU9EG‑2FFVB1156E MPSoC系列FPGA芯片、存储模块、DDR4SDRAM和AXI总线。FPGA芯片分别与其相连。本发明提出了一种视频编码方法并对其熵编码进行优化，即将熵编码原有的RLE编码+Huffman编码替换成RLE+rANS编码，利用ANS的优点，在保持高压缩率的同时还保持了低复杂度。
-
公开(公告)号：CN111242974B
公开(公告)日：2023-04-11
申请号：CN202010013947.1
申请日：2020-01-07
Applicant: 重庆邮电大学
Abstract: 本发明涉及基于孪生网络和反向传播的车辆实时跟踪方法，属于智能交通管理技术领域，本发明首先设计了基于孪生网络的前向位置预测，以减少错误检测的干扰，同时进行了反向预测进行验证，以减少前向位置预测方法产生的误匹配，最后基于检测器置信度和前向位置预测置信度得分，通过加权融合的方法得到最终轨迹。本发明具有速度快，跟踪准确率高等优点，适于推广应用。
-
公开(公告)号：CN113242195B
公开(公告)日：2022-06-24
申请号：CN202110734629.9
申请日：2021-06-30
Applicant: 重庆邮电大学
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明涉及一种低精度全数字架构下窄带毫米波MIMO信道估计方法，属于无线通信信号处理领域，包括：发送端发送相互正交的导频信号；接收端射频链路对模拟接收信号进行低精度量化后得到数字接收信号；利用现有角度域毫米波MIMO信道模型，将毫米波MIMO信道估计问题转化为含噪量化稀疏信号重构问题；首先利用一致性重构准则构造优化问题，估计信道向量支撑集；然后对重构问题进行降维处理，降低计算复杂度；进而计算采样后接收信号的条件期望，得到其最大似然估计；最后对毫米波MIMO信道进行最小二乘估计。与传统信道估计方法相比，本发明根据毫米波MIMO信道在角度域稀疏性的特点进行定制化设计，估计精度更高且计算复杂度更低。
-
公开(公告)号：CN107483436B
公开(公告)日：2020-07-17
申请号：CN201710693051.0
申请日：2017-08-14
Applicant: 重庆邮电大学
IPC: H04L29/06 , H04L12/707 , H04L12/741 , H04L29/08
Abstract: 本发明涉及一种物联网中通信模块的物理层双模设计方法，属于物联网通信领域。该方法为：在物联网通信中，两种通信模式共享应用层和协议栈部分，物理层分别由两种传输模式组成，这两种物理层传输模式都可以发送协议栈的数据块。与此同时，这两个物理层模式收到的数据块都上报给协议栈处理。在通信过程中协议栈不关心物理层采用何种物理层传输模式进行传输。本发明在复杂的物联网通信传输场景中，采用两种物理层通信模式，提高了物联网中的通信能力，有利于提高物联网的性能。
-
Patent Agency Ranking
公开(公告)号：CN118279667A
公开(公告)日：2024-07-02
申请号：CN202410468552.9
申请日：2024-04-18
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/26 , G06V10/774 , G06V10/20 , G06N3/0455 , G06N3/084 , G06N3/048 , G06N3/0464 , G06V10/28 , G06N3/096 , G06V10/80 , G06V10/25 , G06V10/44
Abstract: 本发明涉及一种面向皮肤镜图像的深度学习白癜风识别方法，属于图像识别技术领域，包括以下步骤：S1：使用皮肤镜下的白癜风图像建立数据集，并进行预处理；S2：分别通过线性变换、局部自适应对比度增强算法皮肤镜数据集进行对比度增强；S3：基于Swin‑Transformer网络构建分类模型，调整学习率，结合皮肤镜数据集进行训练；S4：基于改进的YOLOv8网络构建检测模型，结合皮肤镜数据集进行训练；S5：基于改进的UNet网络构建分割模型，调整学习率，结合皮肤镜数据集进行训练；S6：对训练完成的分类模型、检测模型和语义分割模型进行验证和测试。
-
公开(公告)号：CN114827614B
公开(公告)日：2024-03-22
申请号：CN202210447137.6
申请日：2022-04-18
Applicant: 重庆邮电大学
IPC: H04N19/132 , H04N19/119 , H04N19/124 , H04N19/60 , H04N19/91 , H04N19/42
Abstract: 本发明涉及一种实现LCEVC视频编码优化的方法，属于多媒体视频处理与传输领域，包括以下步骤：S1：对于给定的输入视频，采用基于Modifiedcubic插值信息的分块下采样方获取最优的下采样输出；S2：将步骤S1所述的分块下采样方法嵌入到LCEVC编码器中，对LCEVC中各个模块进行耗时分析，设计基于CPU‑GPU异构平台的LCEVC编码器框架；S3：根据框架对LCEVC标准中的上采样、改进后的下采样、变换与量化、反变换与反量化、熵编码模块进行并行优化设计，在PC端实现实时低复杂度增强视频编码。本发明提高了LCEVC的编码视频质量，缩短了编码时间，提高了硬件资源的有效利用率。
-
公开(公告)号：CN116206165A
公开(公告)日：2023-06-02
申请号：CN202310209555.6
申请日：2023-03-07
Applicant: 重庆邮电大学
IPC: G06V10/77 , G06V10/762 , G06V10/764 , G06V10/56 , G06T5/00 , G06T7/90
Abstract: 本发明涉及一种基于张量的点云增强方法，属于多媒体信息处理领域，包括以下步骤：S1：对参考点云进行重采样，将参考点云通过高通图滤波器来获取其几何结构上的高频关键点；S2：使用k最近邻分类算法，在参考点云和失真点云中构建以高频关键点为中心的局部域，分别记作和S3：将和表示成张量的形式，分别记作Tr和Td，对Tr和Td进行Tucker分解，得到参考点云和失真点云的局部域的第一主成分Cr和Cd；S4：对以几何骨架关键点为中心形成的所有局部域的第一主成分进行加权聚合，得到增强的点云模型。
-
公开(公告)号：CN116205886A
公开(公告)日：2023-06-02
申请号：CN202310209556.0
申请日：2023-03-07
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06V10/762 , G06V10/764 , G06V10/56 , G06V10/50
Abstract: 本发明涉及一种基于相对熵的点云质量评估方法，属于多媒体信息处理领域，对参考点云进行下采样，获取点云的几何架构；在参考点云和失真点云中构建以几何架构为中心的子点云，计算其快速点特征直方图及其相对熵，当作子点云的几何质量结果；将子点云的颜色属性转换到LMN颜色空间，计算颜色空间的第零矩、第一矩、第二矩，得到子点云的颜色质量结果；加权聚合子点云的几何质量结果和颜色质量结果，得到最终的基于相对熵的点云质量评估模型。
-
公开(公告)号：CN112437310B
公开(公告)日：2022-07-08
申请号：CN202011510836.8
申请日：2020-12-18
Applicant: 重庆邮电大学
IPC: H04N19/182 , H04N19/11 , H04N19/593 , G06K9/62 , G06V10/764
Abstract: 本发明涉及一种基于随机森林的VVC帧内编码快速CU划分决策方法，属于视频编码领域，包括以下步骤：S1：根据纹理信息与上下文信息将CU分为三类，并为各类CU选取一系列具有代表性的特征；S2：选取一系列具有不同分辨率与内容的视频序列进行编码，提取编码过程中各类CU的五类特征构建数据集；S3：为不同种类的CU分别构建随机森林分类器，通过数据集对随机森林分类器进行训练；S4：将训练好的随机森林分类器嵌入VVC原始编码流程中，预测各类CU的划分模式，替换原始递归的CU划分过程。本发明将随机森林分类器引入到VVC帧内编码中，在保证RD性能的同时有效地减小了编码复杂度。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.022 seconds)
