“熊淑华”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108个，建议您升级VIP下载更多相关专利

[发明专利]基于深浅特征融合网络的遥感图像超分辨率算法-CN202210337041.4在审
发明人：何小海;翟国伟;王正勇;任超;刘屹霄;熊淑华;陈洪刚 -专利权人：四川大学
申请日： 2022-04-01 - 公布日： 2023-10-24 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于深浅特征融合网络的遥感图像超分辨率算法，其实现过程包括：构建双路特征提取与融合网络，以充分利用不同深度的特征信息进行重建；构建通道多尺度注意力子模块和宽激活残差子模块，并结合两个子模块构成宽激活多尺度注意力主模块，利用主模块对两个支路同步进行特征提取，在有效利用多尺度信息引导特征提取的同时，不带来额外的参数量；最后将特征提取阶段提取到的两路特征各自通过一个反卷积层和一个像素重组模块进行特征重建，并通过融合模块对重建之后的特征进行融合。相比现有技术，本发明提出的方法在保证了低参数量的同时获得了更好的主客观效果，在卫星侦测、智能监控以及自动驾驶领域有空阔的应用场景。
基于深浅特征融合网络遥感图像分辨率算法

[实用新型]一种桥梁施工用打桩机-CN202321282489.7有效
发明人： 熊淑华 -专利权人： 熊淑华
申请日： 2023-05-25 - 公布日： 2023-10-13 - 主分类号： E02D7/06 文献下载
摘要：本实用新型属于桥梁施工技术领域，尤其为一种桥梁施工用打桩机，包括支腿和安装在所述支腿上的打桩机构，还包括安装在所述支腿上的辅助组件；所述辅助组件包括套设在支腿外侧壁的套环和固定连接在两个所述套环之间的移动杆，所述移动杆的一侧中央位置处固定连接有第一电动伸缩杆，所述第一电动伸缩杆的伸缩端贯穿所述移动杆，并延伸至所述移动杆的一侧，并固定连接有移动板，在此装置上设置了辅助组件，用户通过此辅助组件，可以对不同外径的立柱进行限位，适用范围更广泛，避免立桩在打桩过程中出现偏移，并且在此机构上加入了限位组件，可以使连接环上的插杆插入到地面中，提高打桩时的稳定性。
一种桥梁施工打桩机

[发明专利]基于自适应一致性先验深度网络的图像去噪方法-CN202110035825.7有效
发明人：任超;潘艺中;何小海;吴晓红;滕奇志;熊淑华 -专利权人：四川大学
申请日： 2021-01-12 - 公布日： 2023-08-18 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于自适应一致性先验深度网络的图像去噪方法。主要包括以下步骤：在一致性先验的基础上构建了自适应一致性先验；根据前一步骤得到的自适应一致性先验，构造在特征域中求解的图像去噪代价函数；利用基于梯度的方法来最优化前一步骤中构造的代价函数，得到基于自适应一致性先验深度网络的图像去噪迭代框架；将迭代框架展开成一种深度神经网络模型；训练构建的深度神经网络模型；将噪声图像作为输入，利用前一步骤训练好的深度神经网络模型得到恢复的高质量图像。本发明所述的方法能够获得很好的去噪效果，是一种有效的图像去噪方法。
基于自适应一致性先验深度网络图像方法

[发明专利]一种基于孪生网络和残差结构的目标跟踪方法-CN202011439451.7有效
发明人：陈洪刚;崔珂璠;熊淑华;何小海;吴晓红;王正勇;滕奇志 -专利权人：四川大学
申请日： 2020-12-10 - 公布日： 2023-07-21 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于孪生网络和残差结构的目标跟踪方法，涉及计算机视觉和人工智能领域。方法包括：(1)分别输入作为跟踪目标的模板图像，和作为搜索范围的检测图像；(2)利用引入非对称残差注意力模块及自适应权值更新的SiameseRPN网络模型，分别提取获得目标的位置和外形；(3)将获得的目标位置信息和外形信息融合，得到最终的跟踪结果。本发明采用基于孪生网络和非对称残差结构的深度学习方法，能够准确地进行目标跟踪，有效提高了目标的跟踪准确率。
一种基于孪生网络结构目标跟踪方法

[发明专利]基于已重建先验信息的快速仿射运动估计方法-CN202210012528.5在审
发明人：何小海;杨若兰;熊淑华;卿粼波;陈洪刚;王正勇 -专利权人：四川大学
申请日： 2022-01-06 - 公布日： 2023-07-18 - 主分类号： H04N19/109 文献下载
摘要：本发明从VVC帧间仿射运动估计模式和Skip模式存在互斥性以及当前CU与其父CU、前序子CU和相邻CU的最佳帧间预测模式存在相关性入手，公开了一种基于已重建先验信息的快速仿射运动估计方法。首先提取当前CU目前的最佳预测模式，父CU、前序子CU和相邻CU的最佳预测模式，通过最佳模式是否为Skip模式提前跳过不必要的仿射运动估计过程，从而降低总体编码时间。本发明公开的VVC快速放射运动估计方法，相比于VVC编码标准，在不明显降低压缩编码效率的前提下，明显降低了VVC的时间复杂度。
基于重建先验信息快速运动估计方法

[发明专利]一种视频超分辨率重建方法-CN202011111270.1有效
发明人：何小海;雷佳佳;吴晓红;任超;陈洪刚;熊淑华;滕奇志 -专利权人：四川大学
申请日： 2020-10-16 - 公布日： 2023-07-07 - 主分类号： G06T3/40 文献下载
摘要：本发明公布了一种视频超分辨率重建方法。主要包括以下步骤：设计并搭建一种视频超分辨率重建方法卷积神经网络模型，网络由浅层特征提取部分、深层特征提取部分、递归特征融合部分和重建部分组成；在视频数据集中构建训练样本对，训练搭建的卷积神经网络模型的参数，直到网络收敛；输入连续视频帧序列到训练好的网络模型中，得到超分辨率重建结果。本发明所述方法可以把低分辨率视频重建为高质量的高分辨率视频，是一种有效的视频超分辨率重建方法。
一种视频分辨率重建方法

[发明专利]一种基于注意力位置联合编码的三元组分类方法-CN202011468452.4有效
发明人：何小海;吴天波;卿粼波;陈洪刚;吴小强;熊淑华;滕奇志 -专利权人：四川大学
申请日： 2020-12-14 - 公布日： 2023-06-23 - 主分类号： G06F16/35 文献下载
摘要：本发明公开一种基于注意力位置联合编码的三元组分类方法。提出了一种在复数域求解表征三元组的注意力和位置特征的联合编码方法，并通过后续网络对三元组进行分类。首先在复数域空间表征三元组位置‑注意力联合编码向量，并通过Batch Pooling策略与实数域的三元组词编码向量相结合，得到三元组编码，然后通过关系记忆网络、卷积神经网络、前馈神经网络和Sigmoid输出得到三元组分数，对三元组进行分类。该方法在复数域空间对三元组的位置特征和注意力特征进行联合编码，并与实数域的编码相结合，为三元组分类任务提供了更好的三元组表示方法，在WN11和FB13基准数据集上分别取得了90.8％和88.7％的准确率。
一种基于注意力位置联合编码三元组分方法

[发明专利]基于局部和非局部联合先验的自适应加权双范数遥感图像盲超分辨重建方法-CN201910035555.2有效
发明人：何小海;刘屹霄;滕奇志;任超;卿粼波;王正勇;熊淑华 -专利权人：四川大学
申请日： 2019-01-15 - 公布日： 2023-06-20 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于局部和非局部联合先验的自适应加权双范数遥感图像盲超分辨重建方法。主要包括以下步骤：在模糊核估计子过程使用自适应加权双范数先验，以得到估计的模糊核和初始高分辨率图像；将估计的模糊核和初始高分辨率图像作为非盲重建子过程的输入；在非盲重建子过程，估计的模糊核和初始高分辨率图像作为已知条件，利用局部和非局部的联合先验及最大后验概率重建模型估计出高分辨率图像。以重建结果作为新的输入高分辨率图像，重复执行以上两个步骤直到达到最大重建次数，最后输出即为最终重建结果。本发明所述方法可以在模糊核未知的条件下由低分辨率图像重建高质量的高分辨率图像，重建的遥感图像可应用于军事、农业和民生等领域。
基于局部联合先验自适应加权范数遥感图像分辨重建方法

[发明专利]一种基于块间相关性的VVC帧内预测优化方法-CN202111507942.5在审
发明人： 熊淑华;罗丹;何小海;任超;陈洪刚;卿粼波;王正勇 -专利权人：四川大学
申请日： 2021-12-10 - 公布日： 2023-06-13 - 主分类号： H04N19/11 文献下载
摘要：本发明提出了一种基于块间相关性的VVC帧内预测优化方法。由于单一预测模式有时不理想且相邻块之间的相关性没有被充分使用，我们将当前块的相邻块模式进行融合，然后对不同的模式选择采用不同的加权方式得到最终的预测值；为了更好地预测复杂区域，我们提出了一种自适应模板匹配算法，对小的块采用自适应加权，对大的块采用线性加权；为了弥补单一线性预测的不足，我们将CCLM与DM结合，并采用自适应加权得到最终预测值。实验结果表明，相比于VVC标准，Y，Cb，Cr节省的平均码率分别为0.63％，0.82％，0.89％，且我们所提模式的使用率高于很多VVC传统帧内预测模式。
一种基于相关性 vvc 预测优化方法

[发明专利]一种智能机具在线动态仿真装置-CN202211622375.2在审
发明人： 熊淑华;邓伟;陶圣清;吴喆;余彬 -专利权人：长城信息股份有限公司
申请日： 2022-12-16 - 公布日： 2023-05-16 - 主分类号： G06F9/455 文献下载
摘要：本发明公开了一种智能机具在线动态仿真装置，包括仿真驱动、处理中心、属性配置模块、权限管理模块、数据库(DB)，其中权限管理模块负责权限管理与仿真智能机具在线管理，仿真驱动联动处理中心负责响应设备调用，属性配置模块与处理中心交互负责改变仿真设备中模块的特性，而仿真设备、仿真模块的特性等信息均保存在数据库中。本发明为自动化测试提供模拟真实设备的测试环境，更是可以灵活配置仿真设备模块特性，为偶现错误问题分析与定位提供调试测试环境，从而极大提升软件产品质量。
一种智能机具在线动态仿真装置

[发明专利]基于HVS特征的VVC码率控制优化方法-CN202111319969.1在审
发明人：何小海;贺立强;何海波;陈洪刚;熊淑华 -专利权人：四川大学;成都西图科技有限公司
申请日： 2021-11-09 - 公布日： 2023-05-12 - 主分类号： H04N19/149 文献下载
摘要：本发明从VVC中比特分配与人眼视觉特性不匹配及参数更新时收敛步长过小及未考虑绝对收敛这两个问题入手，公开了一种基于HVS特征的VVC码率控制优化方法。首先，利用Sobel算子得到空域信息；利用参考帧的MV信息自适应得到时域信息；提出对特殊情况的时域信息提取方式；然后，将帧目标比特分为两部分，再分别利用CTU各自的空域信息进行CTU级的比特分配；在一个CTU或一帧编码完成后，使用拟牛顿收敛算法进行参数更新，针对收敛特殊情况提出了对应方法。基于本发明得到的视频序列更在加满足人眼视觉系统的需要，并在客观质量指标及主观质量上能够实现大幅度的优化，并且输出编码的视频波动程度更为平稳。
基于 hvs 特征 vvc 控制优化方法

[发明专利]基于多尺度交互通信时空网络的视频去压缩方法-CN202111327882.9在审
发明人：何小海;张廷蓉;滕奇志;任超;熊淑华;陈洪刚;陈正鑫 -专利权人：四川大学
申请日： 2021-11-10 - 公布日： 2023-05-12 - 主分类号： H04N19/42 文献下载
摘要：本发明公开了一种基于多尺度交互通信时空网络的视频去压缩方法，主要包括以下步骤：构建多尺度时空特征对齐网络模块，对输入的参考帧序列和目标帧在多尺度特征空间内进行隐式对齐，得到对齐后的多尺度特征；构建多尺度特征增强网络模块，对上一步得到多尺度特征进行增强，得到增强后的特征；以目标帧和增强后的特征为输入，构建源特征选择增强模块；多尺度时空特征对齐网络模块、多尺度特征增强网络模块和源特征选择增强模块共同构成多尺度时空网络，利用数据集统一训练该多尺度时空网络，最终输出去除压缩效应视频。本发明所述的基于多尺度时空网络的视频去压缩方法能获得很好的主客观效果。因此，本发明是一种有效的视频去压缩方法。
基于尺度交互通信时空网络视频压缩方法

[发明专利]基于目标向量更新模块的单幅图像复原迭代框架-CN202011059753.1有效
发明人：任超;翟森;王正勇;何小海;卿粼波;熊淑华;滕奇志 -专利权人：四川大学
申请日： 2020-09-30 - 公布日： 2023-05-12 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于目标向量更新模块的单幅图像复原迭代框架。主要包括以下步骤：使用HQS算法对原图像复原问题进行分解得到两个子问题，使用基于动量的梯度下降法对其中的图像复原逆子问题进行求解，引入一种目标向量更新模块，得到像素域上的迭代框架；针对先验相关子问题，设计一个有效的图像复原算子，它被包含在目标向量更新模块中；利用CNN的特征提取能力，将重建迭代框架的求解域从像素域变到变换域，由此得到变换域上的单幅图像复原重建迭代框架；训练特征域上的迭代框架，输出最终的图像复原结果。本发明所述的单幅图像复原方法能获得很好的主客观效果，且运行速度较快。因此，本发明是一种有效的单幅图像复原方法。
基于目标向量更新模块单幅图像复原框架

[发明专利]深度去块算子驱动的自适应压缩图像复原方法-CN202110155079.5有效
发明人：任超;何小海;秦熳;卿粼波;王正勇;熊淑华 -专利权人：四川大学
申请日： 2021-02-04 - 公布日： 2023-05-09 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种深度去块算子驱动的自适应压缩图像复原方法。主要包括以下步骤：针对最大后验问题，提出了一个新的包含去块算子的数据拟合项；引入一种连续性机制，得到基于改进分裂布雷格曼迭代算法的压缩图像复原框架；构建并训练使用多级抽取和逐元素张量注意机制构建的图像去块网络；计算噪声等级σk和品质因素QF的参数qk；得到去块算子集合，并应用于图像复原逆子问题；使用新数据拟合项应用于复原逆子问题，使用梯度下降法或傅立叶变换法求解，得到迭代更新后的复原估计图像；更新参数；进行迭代重建，输出最终的图像复原结果。本发明所述的压缩图像复原方法能获得很好的主客观效果。因此，本发明是一种灵活且有效的压缩图像复原方法。
深度算子驱动自适应压缩图像复原方法

[发明专利]一种基于深度学习的VVC压缩伪影去除半盲方法-CN202111257660.4在审
发明人：何小海;帅鑫;熊淑华;卿粼波;陈洪刚;滕奇志;吴小强 -专利权人：四川大学
申请日： 2021-10-27 - 公布日： 2023-05-05 - 主分类号： H04N19/86 文献下载
摘要：本发明针对无法获取VVC解码视频量化参数的盲场景提出一种基于深度学习的VVC压缩伪影去除半盲方法。首先根据VVC的解码视频压缩特性，提出一种量化参数预测网络与投票机制预测出量化参数。然后提出一种VVC解码视频压缩伪影去除网络并训练量化参数为32、37、42的模型。最后根据预测的量化参数，为解码视频选择对应的模型进行去压缩伪影。实验结果表明，本发明方法能够有效去除VVC解码视频的压缩伪影。
一种基于深度学习 vvc 压缩去除方法

1
2
3
4
5
6
7
8
下一页»
尾页
共 108 条