|
钻瓜专利网为您找到相关结果 123个,建议您 升级VIP下载更多相关专利
- [发明专利]一种基于神经网络的高动态图像重建方法-CN202010749859.8有效
-
马展;蒲志远;郭珮瑶
-
南京大学
-
2020-07-30
-
2023-10-13
-
G06F30/27
- 本发明公开了一种基于神经网络的高动态图像重建方法。该方法的具体步骤如下:(1)将多个LDR域的图像按照亮度高低排列,并选取参考图像。(2)利用伽玛变换转换LDR域的图像得到HDR域的图像。(2)将HDR域和LDR域的图像输入到特征提取网络中提取不同尺度的HDR域和LDR域的图像特征。(3)将HDR域和LDR域的图像特征输入到金字塔对齐网络,利用HDR域特征来计算对齐所需的偏移量,用所得偏移对齐HDR域和LDR域的图像特征。(4)对齐后的HDR域和LDR域图像特征经过融合网络,得到重建的HDR图像。利用本方法可以较好地处理输入图像组中的物体运动和视差,重建高主观质量的无伪影的HDR图像。
- 一种基于神经网络动态图像重建方法
- [发明专利]率失真优化的图像压缩神经网络训练后量化方法-CN202310390087.7在审
-
马展;石峻奇;陆明
-
南京大学
-
2023-04-13
-
2023-08-22
-
H04N19/42
- 本发明公开了一种率失真优化的图像压缩神经网络训练后量化方法。该方法步骤如下:获取高清图像数据集,构建训练集、测试集和交叉验证集;建立与浮点模型对应的量化模型,并初始化量化参数;构建图像压缩神经网络,逐层优化量化模型,对于当前层的优化,分为前向传播和反向传播两个过程:在前向传播中,计算当前层的量化损失和整个模型的率失真损失,加权作为损失函数;在反向传播中,通过梯度下降法优化该层权重、偏置、激活值的量化参数和权重、偏置的舍入方式;直到量化模型所有层优化完毕,得到最终的量化模型和量化参数。本发明的量化方法,与32比特的浮点模型在大量测试图像上的同等比较中,可以在保持性能的情况下减少75%的内存占用。
- 失真优化图像压缩神经网络训练量化方法
- [发明专利]基于参考池匹配的视频超分方法-CN202310484865.9在审
-
马展;黄俊杰;张驰;陆明
-
南京大学
-
2023-04-28
-
2023-08-04
-
G06T3/40
- 本发明公开了一种基于参考池匹配的视频超分方法。该方法的步骤如下:收集并整理视频图像数据集,构建训练集和测试集;预处理高清参考帧和低清输入帧;建立特征提取网络,将经过预处理的高清参考帧和低清帧输入特征提取网络;初始化参考池,将由特征提取网络输出的高清参考帧的三个层次的特征作为参考池的初始特征;建立特征搜索匹配网络,将低清帧特征与参考池特征输入搜索匹配网络,计算相关性系数,得到最大相关性系数/坐标列表;更新参考池;通过相关性感知融合网络,重建恢复图像。本发明通过利用注意力机制以及跨尺度特征融合,生成具有较好感知质量和丰富细节的逼真图像。
- 基于参考匹配视频方法
- [发明专利]一组神经胶质瘤鉴别标志物及应用-CN202111614720.3在审
-
刘春芳;马展
-
复旦大学附属华山医院
-
2021-12-27
-
2023-07-07
-
C12Q1/6886
- 本发明属生物和医学检验领域,涉及一组用于神经胶质瘤鉴别的肿瘤标志物及应用;所涉及的基因包括:SMOC1、BCAN、DLL3、TCF12、KLRC2、SOX8、OLIG2、NKAIN4、LHFPL3、BEST3、LUZP2、P2RY12、GALNT13、FLJ16779、SHD、PTPRZ1、RND2、FAM181B、CHI3L1、C21orf62、AC015936.3、RP11‑698N11.2、RP11‑35N6.1、LINC01094、LINC00836、RP11‑403A3.3、RP11‑277P12.6等27个基因。所述单独(PTPRZ1除外)或任意组合基因产物(蛋白、RNA)表达量差异,可用于鉴别神经胶质瘤。该标志物的组合在正常脑组织与神经胶质瘤的鉴别中,在特异性为90%时,灵敏度可达90%以上。
- 一组神经胶质鉴别标志应用
- [发明专利]一种基于序贯因果建模的自适应比特率控制方法-CN202310232865.X在审
-
陈浩;徐泊巍;马展
-
南京大学
-
2023-03-13
-
2023-06-27
-
H04N21/462
- 本发明提供了一种基于序贯因果建模的自适应比特率控制方法,包括如下步骤:1、离线训练阶段:(1)取得离线最优轨迹并训练Transformer模型;(2)训练对应不同网络条件的参数映射表;2、在线推理阶段:(1)基于参数映射表,模型选择视频播放前的预期未来回报作为初始参数;(2)模型输入一段由过去的观测、动作以及预期未来回报组成的序列作为输入,并输出预测的动作,即下一个视频块的码率;(3)按照预测码率传输下一视频块,取得下一时刻的观测和回报,并作为下一次决策的输入序列的一部分;(4)在每一次决策后检查当前缓冲区的大小和网络带宽状况,启用参数更新机制以辅助未来的决策。本发明方法能极大地提升用户体验质量。
- 一种基于因果建模自适应比特率控制方法
|