“段凌宇”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果67个，建议您升级VIP下载更多相关专利

[发明专利]模型间的特征兼容学习方法、装置、电子设备及介质-CN202110750264.9有效
发明人： 段凌宇;白燕;吴生森 -专利权人：北京大学
申请日： 2021-07-01 - 公布日： 2023-10-24 - 主分类号： G06V10/774 文献下载
摘要：本申请提供一种模型间的特征兼容学习方法、装置、电子设备及介质。所述方法包括：根据第一模型确定的模型参数和第二模型待学习的模型参数以及新训练数据集，确定第一模型和第二模型的特征兼容学习信息，所述特征兼容学习信息包括代表特征迁移损失和/或网络组件的结构正则，所述新训练数据集用于第二模型训练；将所述特征兼容学习信息以及用于监督第二模型的目标损失共同作为第二模型最终的优化目标，以完成第一模型和第二模型间的特征兼容学习，通过本方案，能够获得一个兼容的特征，使得其可以与旧版本模型提取的特征直接进行匹配检索，旧版本模型被更新后，整个数据库的特征无需被重新提取，节约了时间，减少了计算资源消耗。
模型特征兼容学习方法装置电子设备介质

[发明专利]提升目标重识别泛化性的方法、装置、设备及存储介质-CN202110627547.4有效
发明人： 段凌宇;戴永兴;李晓彤 -专利权人：北京大学
申请日： 2021-06-04 - 公布日： 2023-10-24 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种提升目标重识别泛化性的方法、装置、设备及存储介质，方法包括：将未知领域的样本图像数据输入预训练的多领域专家混合模型,得到每个领域的专属特征以及所述样本图像的查询特征；计算所述查询特征与所述专属特征的平均相似度，根据所述平均相似度确定所述样本图像与每个领域的相关性；根据领域相关性对每个领域的专属特征进行加权聚合，得到聚合特征；根据所述聚合特征对所述样本图像进行目标重识别。根据本公开实施例提供的提升目标重识别泛化性的方法，通过利用元学习和多领域专家混合模型，对已知领域数据特征进行动态地聚合以生成在未知领域数据上具有强泛化能力的特征，从而提升目标识别领域的泛化性。
提升目标识别泛化方法装置设备存储介质

[发明专利]一种深度特征压缩方法-CN202110660867.X有效
发明人：刘家瑛;胡越予;黄浩峰;杨文瀚;段凌宇 -专利权人：北京大学
申请日： 2021-06-15 - 公布日： 2023-10-17 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了一种深度特征压缩方法，本发明构建并训练一压缩模型，该模型首先对神经网络提取的图像特征表示进行变换，产生变换后的紧凑表示，提取变换后的表示的超先验码流；超先验码流用于产生码本各个基元素的线性组合系数；码本从特征中学习获得；根据线性组合系数和对应的码本产生超先验概率估计，从而使用熵编码器进行熵编码，产生码流；码流通过熵解码和解码变换产生输出的特征表示。本发明能够对深度特征进行有效压缩，而且能够对多个任务特征进行协同压缩，重建时，对特征进行分离操作，分别产生对应不同任务的重建特征；本发明还能够支持训练时未见的新任务。
一种深度特征压缩方法

[发明专利]一种面向监控场景车窗图像的图像增强方法与系统-CN201910877750.X有效
发明人： 段凌宇;王策;麻岱迁;施柏鑫 -专利权人：北京大学
申请日： 2019-09-17 - 公布日： 2023-04-18 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了用于增强监控中车窗图像的图像增强方法与系统，利用弱监督学习模型框架对交通监控场景中拍摄的存在高噪声，低光照与模糊等多种图像退化现象的车前窗图像的清晰度进行提升。本发明的优势在于：本发明利用基于对抗生成网络的弱监督学习框架解决了模型训练中采集与标注数据的瓶颈，并用同一模型恢复多种退化现象；设计了基于车辆再检索任务的内容保持机制，在提高图像视觉质量的同时保持与原图像的内容特征一致性。增强结果除提高车窗图片中车内场景对人类观察者的可视性外，同时在机器视觉上可提高车辆检索模型的性能。
一种面向监控场景车窗图像增强方法系统

[发明专利]一种基于协同分合学习机制的反射消除方法-CN201910877757.1有效
发明人： 段凌宇;麻岱迁;王策;施柏鑫 -专利权人：北京大学
申请日： 2019-09-17 - 公布日： 2022-12-02 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了基于协同分合学习机制的反射消除方法，包括：反射生成网络接收不含反射的背景图像与纯反射图像，通过特征的提取、拼接与解码，获得非线性叠加的合成含反射图像；反射分离网络接收合成含反射图像，基于多任务学习的架构对特征解耦，获得背景图像、纯反射图像与背景图像的梯度图像；将混合图像输入反射分离网络产生预测的背景图像与纯反射图像结果，再将结果输入反射生成网络获得重新合成的混合图像结果，与原始的输入混合图像进行比对形成重建自监督。本发明相比于一般深度学习方法更灵活、高效地完成反射消除。基于真实数据，通过协同分合机制，实现弱监督条件下的三个域之间的相互映射，在学到更好的去反射能力的同时生成更符合物理特性的含反射混合训练图像。
一种基于协同分合学习机制反射消除方法

[发明专利]一种极低码率人机协同图像编码训练方法及编解码方法-CN202111026165.2有效
发明人：刘家瑛;杨文瀚;黄浩峰;王德昭;段凌宇 -专利权人：北京大学
申请日： 2021-09-02 - 公布日： 2022-10-14 - 主分类号： H04N19/42 文献下载
摘要：本发明公开了一种极低码率人机协同图像编码训练方法及编解码方法。本方法为：1)利用训练集训练得到一个生成模型；2)对该训练集中的每一图像Ij进行特征提取和流形映射，得到Ij的流形特征；3)使用超先验模型对流形特征构建码率约束和编解码，得到二进制码流和重建后的流形特征；4)根据码率约束对Ij进行紧致损失函数计算；5)对重建后的流形特征进行人眼视觉映射并输入到生成模型中，根据所得人眼视觉重建结果进行损失函数计算；6)将重建后的流形特征输入到机器视觉模型中，根据所得机器视觉预测结果进行损失函数计算；7)将各损失进行加和更新权值；8)重复2)‑7)直到神经网络的损失收敛，得到极低码率人机协同图像编码器。
一种极低码率人机协同图像编码训练方法解码

[发明专利]一种人机协同的视频编码方法及视频编码系统-CN201911408329.0有效
发明人：刘家瑛;段凌宇;胡越予;夏思烽;杨文瀚 -专利权人：北京大学
申请日： 2019-12-31 - 公布日： 2022-07-29 - 主分类号： H04N19/187 文献下载
摘要：本发明公开了一种人机协同的视频编码方法及视频编码系统。本方法为：1)对于一段待编码视频以及对应的关键点序列，编码器首先对关键点序列进行编码压缩，形成关键点序列码流；然后从待编码视频中选取一帧并编码，作为参考帧，形成参考帧码流；根据关键点序列和参考帧生成一预测视频；2)降低该待编码视频的分辨率；计算该真实低分率视频与预测视频信号之间的残差，根据各帧的残差组成一残差视频序列并将其编码成残差码流；3)编码器根据需求将码流选择性的传输到解码器；如果为机器视觉任务，则根据关键点码流重建得到关键点序列；如果需要重建视频序列，则根据三码流重建得到原分辨率视频。本发明根据应用需求，提供可伸缩的视频编码。
一种人机协同视频编码方法系统

[发明专利]可伸缩机器视觉编码方法和运动引导图像生成网络的训练方法-CN201911393847.X有效
发明人：刘家瑛;段凌宇;夏思烽;杨文瀚;胡煜章 -专利权人：北京大学
申请日： 2019-12-30 - 公布日： 2022-07-22 - 主分类号： H04N19/124 文献下载
摘要：本发明公开了一种基于图像生成的可伸缩机器视觉编码方法，其步骤包括：构建一运动引导图像生成网络；训练神经网络：每次迭代时，从视频序列中选取关键帧与待编码帧及对应的关键点数据并输入网络，计算出关键帧和待编码帧的关键点；根据关键帧与待编码帧的关键点差别进行运动估计；根据估计所得运动以及关键帧获得待编码帧的重建帧；计算关键点位置的预测结果与关键点实际位置之间的预测误差以及计算待编码帧与其重建帧的重建误差，并将其反向传播到网络直到网络收敛；编码阶段：将待处理视频序列的每一帧输入训练后的运动引导图像生成网络，计算每一帧中的关键点的位置信息并进行量化压缩；解码阶段根据码流和任务进行图像重建。
伸缩机器视觉编码方法运动引导图像生成网络训练

[发明专利]基于网络的视觉分析-CN202080064266.6在审
发明人：陈卓;范逵;林维斯;段凌宇;葛治中 -专利权人：南洋理工大学;北京大学
申请日： 2020-09-11 - 公布日： 2022-06-10 - 主分类号： H04N19/85 文献下载
摘要：本申请提供了一种用于基于网络的视觉分析的视觉数据传输方法。所述方法包括：在成像设备处获得与场景相关的传感器数据；基于所述传感器数据从深度学习模型的中间层提取中间深层特征；基于所述中间深层特征生成编码视频数据；以及将所述编码视频数据传送至视觉分析装置，以根据所述编码视频数据进行视觉分析。本申请还提供了相应的基于网络的可视化分析方法。所述方法包括：在视觉分析装置处接收来自成像装置的编码视频数据，所述成像装置被配置为获得与场景相关的传感器数据；基于所述编码视频数据生成解码视频数据；基于所述解码视频数据生成深度学习模型的中间深层特征；并基于所述中间深层特征进行视觉分析。本申请还相应地提供了一种用于基于网络的视觉分析的视觉数据传输的成像设备和一种用于基于网络的视觉分析的视觉分析设备。
基于网络视觉分析

[发明专利]一种提升跨视角车辆精确检索的方法及系统-CN201910818526.3有效
发明人： 段凌宇;白燕;楼燚航 -专利权人：北京大学
申请日： 2019-08-30 - 公布日： 2022-06-03 - 主分类号： G06F16/583 文献下载
摘要：本发明涉及计算机视觉领域，特别涉及一种提升跨视角车辆精确检索的方法及系统。包括将某一视角图片输入训练好的对抗网络生成器的该视角的图片输入端，生成另一视角图片；将原视角图片和生成的另一视角图片输入到训练好的度量网络中，获得原视角图片的特征和另一视角的图片的特征，将原视角图片的特征和另一视角的图片的特征拼接为级联特征，计算级联特征和数据库中参考车辆图片的特征距离，排列展示距离最近的若干查询目标。本发明提出了一个特征距离对抗网络(FDA‑Net)，在度量空间设计了一种新的特征距离对抗方案。
一种提升视角车辆精确检索方法系统

[发明专利]一种模型复用方法与系统-CN201910785418.0有效
发明人： 段凌宇;白燕;楼燚航;陈子谦 -专利权人：北京大学
申请日： 2019-08-23 - 公布日： 2022-06-03 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种模型复用方法与系统，包括：将数据集中的有标签数据输入至待训练模型，基于目标损失函数，得到目标损失；将通过数据集中的多个数据得到的多个数据组合输入至待训练模型，基于模型复用损失函数，得到复用损失；根据目标损失和复用损失，更新待训练模型；重复上述步骤，直到重复次数达到阈值次数，得到训练好的待训练模型。通过将数据集中的有标签数据输入至待训练模型，得到目标损失，将通过数据集中的多个数据得到的多个数据组合输入至待训练模型，得到复用损失，使用少量的有标签数据得到的目标损失和包括大量无标签数据的所有数据得到的复用损失共同更新待训练模型，能够有效利用大量无标签数据。
一种模型方法系统

[发明专利]一种去除图像摩尔纹的方法及装置-CN201910860840.8有效
发明人： 段凌宇;何斌;王策;施柏鑫 -专利权人：北京大学
申请日： 2019-09-11 - 公布日： 2022-05-06 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种去除图像摩尔纹的方法，包括：将原始图像输入到模型，通过模型中的边缘检测网络利用原始图像获得目标边缘特征图输出到模型中的多尺度融合网络；通过模型中的特征提取层提取原始图像的特征得到原始特征图输出到模型中的多尺度融合网络和合成网络；通过多尺度融合网络利用原始特征图和目标边缘特征图获取多尺度融合特征图输出到模型中的合成网络；通过模型中的分类网络利用原始图像获得类别特征图输出到模型中的合成网络；通过合成网络利用原始特征图、类别特征图及多尺度融合特征图生成无摩尔纹图像。本发明对不同类型的摩尔纹去除具有更强的泛化能力和鲁棒性，在有效去除摩尔纹的同时，还能够更好地保留原始图片中的内容细节。
一种去除图像摩尔方法装置

[发明专利]合拍视频的处理方法及装置-CN202210082644.4在审
发明人：黄璜;岱钦夫;李泽宇;段凌宇;曾博文 -专利权人：北京卡路里信息技术有限公司
申请日： 2022-01-24 - 公布日： 2022-04-26 - 主分类号： H04N5/232 文献下载
摘要：本发明公开了一种合拍视频的处理方法及装置。其中，该方法包括：响应合拍操作，显示视频合拍页面，其中，视频合拍页面包括多个视频录制区域；响应拍摄开始的操作，在视频录制区域同步录制视频；在视频录制完成的情况下，根据视频录制区域录制的视频生成合拍视频。本发明解决了相关技术中的合拍只能与已经拍好的视频进行同框合拍，无法满足多个用户同时合拍生成合拍视频的需求的技术问题。
合拍视频处理方法装置

[发明专利]向后兼容表示的邻域一致性对比学习方法、系统及介质-CN202110908457.2在审
发明人： 段凌宇;吴生森;白燕 -专利权人：北京大学
申请日： 2021-08-09 - 公布日： 2021-11-05 - 主分类号： G06K9/62 文献下载
摘要：本申请涉及深度学习技术领域，更为具体来说，本申请涉及向后兼容表示的邻域一致性对比学习方法、系统及介质。所述方法包括：获取训练样本；将所述训练样本输入到第一神经网络模型中进行特征提取，得到第一特征；采用高斯核函数计算所述第一特征的熵；基于熵值过滤掉所述第一特征中位于类边缘区域的模糊特征，得到第二特征；将训练样本输入到第二神经网络模型中进行特征提取得到第三特征，利用所述第二特征和所述第三特征进行对比学习；基于对比学习的损失函数优化所述第二神经网络模型。本申请所述方法实现了模型的平滑部署，方便应用，后续在图像检索应用及其它应用场景时可自动更新模型。
向后兼容表示邻域一致性对比学习方法系统介质

[发明专利]基于第一人称视角购物视频的购物分析方法-CN201910508074.9有效
发明人： 段凌宇;张琳;王策 -专利权人：北京大学
申请日： 2019-06-12 - 公布日： 2021-11-02 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及人工智能应用技术领域，特别涉及一种基于第一人称视角购物视频的购物分析方法。具体包括：将完整的购物视频划分为多个视频片段；从所述视频片段中提取N帧图像帧；分析提取的图像帧获得所述视频频段对应的购物动作类型；并根据获得的各视频片段对应的购物动作类型，识别预设购物动作类型的视频片段对应的商品；建立识别出的商品与其对应的购物动作类型之间的对应关系。本发明用第一人称视角的消费者购物视频，进行全面的消费分析，相对于基于图片的分析方法，本专利节省了消费者拍摄和上传的负担，并且可以全面地分析整个购物过程，得到完整的消费记录。
基于第一人称视角购物视频分析方法

1
2
3
4
5
下一页»
尾页
共 67 条