公开(公告)号：CN113239734A

公开(公告)日：2021-08-10

申请号：CN202110404571.1

申请日：2021-04-15

Applicant: 中南大学

Inventor： 唐艳 ,  赖欣 ,  张昊

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/48 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  A61B5/055 ,  A61B5/00

Abstract: 本发明公开了一种基于STFT和卷积神经网络的模式识别方法、系统和介质，基于STFT和卷积神经网络的模式识别方法包括：获取原始图像，对原始图像进行数据预处理得到第一图像；将第一图像分为训练集和验证集；使用双样本T检验的方式从训练集提取第一体素点，从验证集提取第二体素点；对第一体素点进行短时傅里叶变换处理得到第一时频谱图，对第二体素点进行短时傅里叶变换处理得到第二时频谱图，将第一时频谱图和第二时频谱图送入卷积神经网络进行深度学习，以得到模式识别结果。解决了不连续时序之间信息融合的问题，且使用的卷积神经网络模型，结构轻减，在提高识别率的同时还减少了模型的计算量。

公开(公告)号：CN113055676B

公开(公告)日：2024-04-26

申请号：CN202110331278.7

申请日：2021-03-26

Applicant: 中南大学

Inventor： 张昊 ,  姜俊宏 ,  杨明田 ,  苏昊天 ,  张本政 ,  孙意翔 ,  赖欣 ,  刘祺远

IPC: H04N19/172 ,  H04N19/513 ,  H04N19/70 ,  H04N19/42 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度网络视频编解码的后处理优化方法，包括：读取解码图像，在时空可变融合模块中对解码图像进行偏移量预测，偏移量预测包括对解码图像进行两次下采样和两次上采样，以得到第一偏移量；获取参考帧的运动矢量；根据运动矢量和第一偏移量计算得到第二偏移量；将第二偏移量用可变卷积计算得到特征图，使用图像质量提升模块处理特征图以得到残差图，将残差图加到解码图像以得到图像质量增强的解码图像。能够在具有较好的图像后处理增强质量的情况下，极大的简化了模型结构，缩短了神经网络卷积计算时间，降低了算法复杂度，提升了对码流中存在的解码信息的利用率，满足应用的实时需求。

公开(公告)号：CN113055676A

公开(公告)日：2021-06-29

申请号：CN202110331278.7

申请日：2021-03-26

Applicant: 中南大学

Inventor： 张昊 ,  姜俊宏 ,  杨明田 ,  苏昊天 ,  张本政 ,  孙意翔 ,  赖欣 ,  刘祺远

IPC: H04N19/172 ,  H04N19/513 ,  H04N19/70 ,  H04N19/42 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度网络视频编解码的后处理优化方法，包括：读取解码图像，在时空可变融合模块中对解码图像进行偏移量预测，偏移量预测包括对解码图像进行两次下采样和两次上采样，以得到第一偏移量；获取参考帧的运动矢量；根据运动矢量和第一偏移量计算得到第二偏移量；将第二偏移量用可变卷积计算得到特征图，使用图像质量提升模块处理特征图以得到残差图，将残差图加到解码图像以得到图像质量增强的解码图像。能够在具有较好的图像后处理增强质量的情况下，极大的简化了模型结构，缩短了神经网络卷积计算时间，降低了算法复杂度，提升了对码流中存在的解码信息的利用率，满足应用的实时需求。