-
公开(公告)号：CN118155731A
公开(公告)日：2024-06-07
申请号：CN202410311105.2
申请日：2024-03-19
Applicant: 华侨大学 , 厦门盈趣科技股份有限公司
IPC: G16B40/30 , G06F18/23 , G06N3/0455 , G06N3/08 , G06N7/02
Abstract: 本发明公开了一种基于宽度学习的多视图的癌症基因数据聚类集成方法及装置，包括：构建自编码器模型，确定经训练的子空间自表达结构的系数矩阵，基于该系数矩阵对自编码器模型进行训练，多视图的癌症基因数据输入经训练的自编码器模型，得到特征处理后的样本矩阵；对特征处理后的样本矩阵进行聚类，得到多个基础聚类结果并作为集成池中的集成成员，以构建模糊划分矩阵和置信度矩阵；构建基于第二宽度学习网络的聚类集成模型，对聚类集成模型进行训练，得到经训练的聚类集成模型，将模糊划分矩阵输入经训练的聚类集成模型，得到软集成结果，对软集成结果进行聚类，得到多视图的癌症基因数据的聚类结果，有效提升网络模型的鲁棒性和准确性。
-
公开(公告)号：CN117440158B
公开(公告)日：2024-04-12
申请号：CN202311759886.3
申请日：2023-12-20
Applicant: 华侨大学
IPC: H04N19/147 , H04N19/154
Abstract: 本发明公开了一种基于三维几何失真的MIV沉浸式视频编码率失真优化方法，涉及视频编码领域，包括：S1，基于MIV编码平台编码沉浸式视频序列，生成图集后，计算与深度映射范围系数；S2，使用支持MIV标准的二维视频编码器编码沉浸式视频几何图集时，构建三维几何失真与均方误差的关系模型；S3，根据三维几何失真与均方误差的关系模型，计算三维几何失真系数；S4，根据三维几何失真系数，计算率失真优化模型中新的拉格朗日乘子，基于调整后的率失真优化模型编码当前CTU，以改善沉浸式视频渲染质量的率失真性能。本发明最终渲染的沉浸式视频质量与码率的率失真性能更好。
-
公开(公告)号：CN117456480B
公开(公告)日：2024-03-29
申请号：CN202311769679.6
申请日：2023-12-21
Applicant: 华侨大学 , 星宸科技股份有限公司
IPC: G06V20/54 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于多源信息融合的轻量化车辆再辨识方法，涉及计算机视觉与机器学习技术领域，包括：构建神经网络；所述神经网络包括依次连接的ResNet50网络、局部特征融合网络和混合注意力模块；使用监督对比损失和多源信息识别损失对神经网络进行联合训练，直至收敛，得到教师网络；选取计算量和参数量比教师网络均小的模型作为学生网络；通过知识蒸馏，对学生网络进行监督，训练直至收敛，得到轻量化的车辆再辨识模型；基于轻量化的车辆再辨识模型，输出再辨识结果。本发明利用多源信息融合的方式协调不同传感器数据以提高再辨识性能，并辅以知识蒸馏，实现在有限的计算资源下，实现高质量的再辨识，从而为各种应用场景提供了更多的灵活性。
-
公开(公告)号：CN117422614B
公开(公告)日：2024-03-12
申请号：CN202311745925.4
申请日：2023-12-19
Applicant: 华侨大学 , 厦门松霖科技股份有限公司
IPC: G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/42 , G06V10/44
Abstract: 本发明公开了一种基于混合特征交互Transformer的单帧图像超分辨率方法及装置，涉及图像处理领域，包括：获取待重建的低分辨率图像；构建基于混合特征交互Transformer的单帧图像超分辨率模型并训练，得到经训练的单帧图像超分辨率模型，单帧图像超分辨率模型包括依次连接的浅层特征提取单元、深层特征提取单元和上采样重建单元，深层特征提取单元包括依次连接的P个混合特征交互Transformer模块；将低分辨率图像输入经训练的单帧图像超分辨率模型，通过浅层特征提取单元提取浅层特征，将浅层特征输入深层特征提取单元提取得到深层特征，将深层特征输入上采样重建单元，重建得到高分辨率重建图像，解决Transformer的SR方法忽略不同维度的特征之间的潜在关联性，影响重建性能的问题。
-
公开(公告)号：CN117196960B
公开(公告)日：2024-03-01
申请号：CN202311475299.1
申请日：2023-11-08
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本发明公开了一种全尺度特征细化轻量级图像超分辨率方法及装置，涉及图像处理领域，该方法包括：构建全尺度特征细化轻量级图像超分辨率模型并训练，得到经训练的全尺度特征细化轻量级图像超分辨率模型，将低分辨率图像输入经训练的全尺度特征细化轻量级图像超分辨率模型，先经过第一卷积层得到第一特征图，第一特征图经过串联的K个特征蒸馏提取模块，每一个特征蒸馏提取模块的输出均传送至第二卷积层，并经过第三卷积层，得到第二特征图，第二特征图与第一特征图相加，得到最终特征图，最终特征图输入上采样模块，重建得到高分辨率图
-
Patent Agency Ranking
公开(公告)号：CN117422614A
公开(公告)日：2024-01-19
申请号：CN202311745925.4
申请日：2023-12-19
Applicant: 华侨大学 , 厦门松霖科技股份有限公司
IPC: G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/42 , G06V10/44
Abstract: 本发明公开了一种基于混合特征交互Transformer的单帧图像超分辨率方法及装置，涉及图像处理领域，包括：获取待重建的低分辨率图像；构建基于混合特征交互Transformer的单帧图像超分辨率模型并训练，得到经训练的单帧图像超分辨率模型，单帧图像超分辨率模型包括依次连接的浅层特征提取单元、深层特征提取单元和上采样重建单元，深层特征提取单元包括依次连接的P个混合特征交互Transformer模块；将低分辨率图像输入经训练的单帧图像超分辨率模型，通过浅层特征提取单元提取浅层特征，将浅层特征输入深层特征提取单元提取得到深层特征，将深层特征输入上采样重建单元，重建得到高分辨率重建图像，解决Transformer的SR方法忽略不同维度的特征之间的潜在关联性，影响重建性能的问题。
-
公开(公告)号：CN117315516A
公开(公告)日：2023-12-29
申请号：CN202311616489.0
申请日：2023-11-30
Applicant: 华侨大学
IPC: G06V20/17 , G06N3/042 , G06N3/045 , G06N3/08 , G06T7/00 , G06V10/74 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于多尺度注意力相似化蒸馏的无人机检测方法及装置，涉及目标检测领域，包括：构建多尺度注意力图生成模块、教师网络及待训练的学生网络，通过多尺度注意力图生成模块分别将教师网络和学生网络的中间层特征映射转换为教师空间注意力信息和学生空间注意力信息，并建立注意力信息相似度优化损失函数，将注意力信息相似度优化损失函数与全局性的后验概率蒸馏函数以及学生网络的无人机目标分类损失函数和目标框回归损失函数结合以建立总损失函数，基于总损失函数对待训练的学生网络进行训练，得到经训练的学生网络；将图像输入经训练的学生网络，得到无人机检测结果，解决现有技术无人机检测准确率低、实时性差的问题。
-
公开(公告)号：CN117014610B
公开(公告)日：2023-12-29
申请号：CN202311280429.6
申请日：2023-10-07
Applicant: 华侨大学
IPC: H04N19/119 , H04N19/103 , H04N19/96
Abstract: 本发明公开了一种基于多任务学习的H.266VVC屏幕内容帧内CU快速划分方法及装置，涉及视频编码领域，该方法包括：获取屏幕内容视频，将128×128大小的CTU直接划分为64×64大小的CU；构建多任务学习网络模型，多任务学习网络模型包括主干网络、第一子网络和第二子网络，主干网络用于提取CU特征，将CU特征输入第一子网络和第二子网络，得到CU划分类型和编码模式，可结合编码模式及其预测概率和临近CU的划分类型综合确定预测结果；将64×64大小的CU输入经训练的多任务学习网络模型，得到第一预测结果；若第一预测结果为划分，则进一步划分为4个32×32大小的CU，并输入经训练的多任
-
公开(公告)号：CN117036911A
公开(公告)日：2023-11-10
申请号：CN202311301590.7
申请日：2023-10-10
Applicant: 华侨大学 , 星宸科技股份有限公司 , 厦门瑞为信息技术有限公司
IPC: G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/74
Abstract: 本发明公开了一种基于神经架构搜索的车辆再辨识轻量化方法及系统，涉及计算机视觉与机器学习技术领域，方法包括：S1，构建网络模型，给定硬件约束以生成对应的架构生成器，利用测试集训练架构生成器；S2，将硬件约束输入到架构生成器，得到多个轻量化神经网络架构模型；S3，采集车辆再辨识数据并进行数据增强；S4，利用车辆再辨识数据集对轻量化神经网络架构模型进行训练及验证，选择效果最好的作为轻量化车辆再辨识网络；S5，基于轻量化车辆再辨识网络进行车辆再辨识。本发明利用神经架构搜索自适应地依据硬件约束进行神经网络的搭建，得到兼具效率与性能的轻量化网络，可以在大规模的神经网络设计中减轻人工设计和调试的负担。
-
公开(公告)号：CN117014610A
公开(公告)日：2023-11-07
申请号：CN202311280429.6
申请日：2023-10-07
Applicant: 华侨大学
IPC: H04N19/119 , H04N19/103 , H04N19/96
Abstract: 本发明公开了一种基于多任务学习的H.266VVC屏幕内容帧内CU快速划分方法及装置，涉及视频编码领域，该方法包括：获取屏幕内容视频，将128×128大小的CTU直接划分为64×64大小的CU；构建多任务学习网络模型，多任务学习网络模型包括主干网络、第一子网络和第二子网络，主干网络用于提取CU特征，将CU特征输入第一子网络和第二子网络，得到CU划分类型和编码模式，可结合编码模式及其预测概率和临近CU的划分类型综合确定预测结果；将64×64大小的CU输入经训练的多任务学习网络模型，得到第一预测结果；若第一预测结果为划分，则进一步划分为4个32×32大小的CU，并输入经训练的多任务学习网络模型，得到第二预测结果，解决H.266VVC屏幕内容帧内编码复杂度高的问题。
-
-
-
-
-
-
-
-
-
Search Results
216
records
(took 0.092 seconds)
