专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果24个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于孪生网络的四足机器人目标跟踪方法-CN202310399358.5在审
  • 陈震中;李洋;张考 - 武汉大学
  • 2023-04-12 - 2023-08-11 - G06T7/254
  • 本发明针对单目标跟踪领域,公开了一种基于孪生网络的四足机器人目标跟踪方法。首先对视频进行数据预处理,然后构建图像对齐模块,在进行图像进行特征提取前进行初步的定位,使得目标始终处于搜索区域内,减少跟踪器丢失目标的次数。然后利用一个特征提取子网络,进行特征提取,并对提取的多个卷积特征进行分层聚合,之后,通过一个尺度自适应子网络,适应跟踪过程中目标的尺度变化,同时在线更新的回归子网络适应光照及目标形状等的变化。最后得到目标在当前帧中的位置。
  • 一种基于孪生网络机器人目标跟踪方法
  • [发明专利]一种基于点定位的遥感影像多类目标计数方法-CN202310216294.0在审
  • 陈震中;崔鸣鹏 - 武汉大学
  • 2023-03-07 - 2023-07-07 - G06T7/00
  • 本发明针对遥感影像中目标计数和目标定位领域,公开了一种基于点定位的遥感影像多类目标计数方法。首先使用特征提取器对遥感影像中的特征进行提取,然后通过尺度自适应特征增强模块,完成对遥感影像中目标尺度的粗略预测,并对图像特征进行融合和增强,接下来,对增强的图像特征,使用预测头对图像中目标的位置、类别、置信度、精细尺度进行预测,产生遥感影像对应的候选目标。候选目标中包含对同一目标的重复预测,因此不能直接作为多类目标计数与定位的预测结果。通过对候选目标使用非极大值抑制后处理手段,可以抑制掉候选目标中错误的预测目标以及重复的预测目标。本发明提升了网络多类目标计数和定位的准确性。
  • 一种基于定位遥感影像类目计数方法
  • [发明专利]一种考虑长距离时序信息的视频压缩方法及系统-CN202211706230.0在审
  • 陈震中;王怀睿 - 武汉大学
  • 2022-12-29 - 2023-04-28 - H04N19/42
  • 本发明公开了一种考虑长距离时序信息的视频压缩方法及系统,将视频序列或视频特征输入视频压缩模型中,编码时视频压缩模型生成对应的码流,解码时视频压缩模型从码流中重建出对应的视频序列或特征;本发明构建出了一种端到端优化的视频压缩框架,经过运动补偿生成当前压缩对象的上下文,再根据上下文信息辅助当前帧的压缩。本发明提出使用时序先验实现高效的长距离时序信息利用。在一个图像组中,由首个参考帧初始化时序先验,并在压缩过程中迭代补充更新时序先验,使其时刻保持与当前压缩帧的空间相关性。时序先验用于辅助预测运动信息与当前帧的高斯分布参数预测。
  • 一种考虑长距离时序信息视频压缩方法系统
  • [发明专利]一种图像下采样方法和系统-CN202211576778.8在审
  • 陈震中;黄成瑞 - 武汉大学
  • 2022-12-09 - 2023-03-17 - G06T3/40
  • 本发明针对图像缩放和图像处理领域,公开了一种图像下采样方法和系统。首先通过尺度自适应特征提取模块从高分辨率图像提取尺度相关特征,再根据通过坐标映射得到的采样坐标对尺度相关特征进行重采样,获得多组与低分辨率图像具有相同大小的候选特征。与此同时,权重生成器根据采样坐标为每组候选特征生成自适应权重。最终通过使用生成的自适应权重对候选特征加权求和获得下采样后的低分辨率图像。本方法提出的图像下采样模型是在现有的基于插值的图像超分辨率重建方法的指导下训练得到的,可以有效解决基于插值的图像下采样方法得到的低分辨率图像通常不能充分适用于现有的图像超分辨率重建方法的问题。
  • 一种图像采样方法系统
  • [发明专利]一种可变码率图像压缩方法及系统-CN202211055600.9在审
  • 陈震中;王怀睿 - 武汉大学
  • 2022-08-31 - 2022-12-06 - G06T9/00
  • 本发明针对端到端优化的图像压缩领域,公开了一种可变码率图像压缩方法及系统。首先通过独热编码将码率控制参数λ转换为二进制向量,再通过全连接层根据编码结果自适应地生成多组专家投票权重。与此同时,模型将对应生成与专家权重数量相同的多组卷积核参数,并通过根据专家权重加权求和的方式实现最终动态卷积核的高效生成。最终以上述生成的动态参数卷积核构建变分自编码器。本方法提出的可变码率模型可以有效地根据码率调节参数改变压缩过程中的数据分布变化方向,并且动态参数调节的设计可以有效降低整体变码率压缩框架的运算量,实现在端到端优化的压缩框架中以单个压缩模型控制多种压缩码率。
  • 一种可变图像压缩方法系统
  • [发明专利]一种评论驱动的深度序列推荐方法-CN201910576739.X有效
  • 李晨亮;牛锡钏;陈震中 - 武汉大学
  • 2019-06-28 - 2022-09-23 - G06Q30/02
  • 本发明公开了一种评论驱动的深度序列推荐方法,包括以下步骤:对用户评论文本建立词汇表,每个单词赋予随机初始化的词向量;为每篇文档构建文档词向量表达矩阵;得到方面感知的文档表达张量和多个特征图;计算用户的长期偏好向量和商品的向量表示;计算联合层面和个体层面的用户短期偏好向量;对两个层面进行加权相加得到最终的用户短期偏好向量;将用户短期偏好向量乘以折减系数和用户长期偏好向量相加,得到用户的向量表示,进而计算用户对商品的偏好分数;训练得到RNS模型;将训练的RNS模型用于线上的序列推荐情景。本发明很好地解决了评论驱动的序列推荐问题,具有训练较快、测试时间较短的优点,说明本发明具有广泛的实际意义和商业价值。
  • 一种评论驱动深度序列推荐方法
  • [发明专利]数据解码方法、装置和数据编码方法、装置-CN202210514948.3在审
  • 李一鸣;许晓中;胡晔;刘杉;陈震中 - 腾讯科技(深圳)有限公司
  • 2019-08-26 - 2022-08-30 - H04N19/103
  • 本申请涉及数据解码方法、装置和数据编码方法、装置,数据解码方法包括:获取编码树单元的编码模式限制类型;编码树单元包括多个子编码单元;对于子编码单元对应的待解码单元,在编码模式限制类型为帧间编码模式限制类型的情况下或者在编码模式限制类型为帧内编码模式限制类型的情况下,根据编码模式限制类型确定待解码单元对应的候选编码模式集合,候选编码模式集合至少包括帧内块复制编码模式;在编码模式限制类型为标准帧间编码模式限制类型的情况下,确定待解码单元对应的候选编码模式集合仅包括标准帧间编码模式;根据从候选编码模式集合中选定的目标编码模式对待解码单元进行解码,得到对应的解码数据。采用本方法可以提高数据解码准确性。
  • 数据解码方法装置编码
  • [发明专利]数据解码方法、装置和数据编码方法、装置-CN201910792449.9有效
  • 李一鸣;许晓中;胡晔;刘杉;陈震中 - 腾讯科技(深圳)有限公司
  • 2019-08-26 - 2022-05-27 - H04N19/103
  • 本申请涉及一种数据解码方法、装置、计算机可读存储介质和计算机设备,该方法包括:获取当前待解码单元对应的编码数据;从编码数据中解码得到当前待解码单元对应的编码模式限制类型;根据编码模式限制类型确定当前待解码单元对应的候选编码模式集合,候选编码模式集合至少包括帧内块复制编码模式;根据从候选编码模式集合中选定的目标编码模式对当前待解码单元进行解码,得到对应的解码数据。本申请提供的方案能够提高解码数据的准确性。此外,还提供了一种数据编码方法、装置、计算机可读存储介质和计算机设备。
  • 数据解码方法装置编码
  • [发明专利]视频小目标跟踪方法和装置-CN202110478239.X有效
  • 陈震中;郭雨佳 - 武汉大学
  • 2021-04-30 - 2022-04-15 - G06T7/246
  • 本发明提出的小目标跟踪方法和装置,包括模型训练阶段、目标跟踪阶段和模型更新阶段。模型训练阶段进行包含自我注意力模块在内的整个跟踪模型中卷积神经网络参数的确定;跟踪阶段依据训练好的模型进行目标位置的持续检测;模型更新阶段是在满足预设条件时,对跟踪模型不同模块的参数进行更新,以保证持续准确鲁棒的跟踪效果。本发明结合运动目标多重特征执行目标跟踪过程,具有更高的抗干扰能力和鲁棒性,并且通过卷积神经网络所构建的自我注意力模块,获取每一种特征响应图对应的权重图,将传统的单一融合系数拓展为与响应图大小一致的二维融合系数矩阵(称之为“注意力图”),使得特征融合更加精准,对不同场景下的跟踪具有更强的适应性。
  • 视频目标跟踪方法装置

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top