“马展”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123个，建议您升级VIP下载更多相关专利

[发明专利]一种在极低带宽条件下的卫星图像压缩方法-CN202310739391.8在审
发明人：马展;董沐晨;陆明 -专利权人：南京大学
申请日： 2023-06-21 - 公布日： 2023-10-24 - 主分类号： H04N19/167 文献下载
摘要：本发明公开了一种在极低带宽条件下的卫星图像压缩方法。步骤如下：收集静态图像数据集；建立可变码率的图像编解码网络；训练编解码网络；在解码端嵌入生成对抗网络，并进行再次训练；在编解码器后嵌入超分网络，并再次训练；用户选择感兴趣区域，对选定区域进行压缩；解码端将码流还原成图像并显示；对用户未选定区域进行压缩；带宽富余时传输未选定区域，解码端拼接图像；进行超分辨率处理。本发明的图像传输方法，在极低带宽的限制下与JPEG等传统图像编码以及基于深度学习的图像编码方法在大量测试图片的同等比较中，可以在相同的码率下提供主观效果更佳的重建效果。
一种带宽条件下卫星图像压缩方法

[发明专利]基于在线联邦迁移学习的码率自适应策略高效训练方法-CN202310687578.8在审
发明人：陈浩;郑倩媛;马展 -专利权人：南京大学
申请日： 2023-06-12 - 公布日： 2023-10-24 - 主分类号： H04L65/1045 文献下载
摘要：本发明提供一种基于在线联邦迁移学习的码率自适应策略高效训练方法，步骤为：(1)用户客户端经过动态网络条件鉴别器鉴别网络类型和交通方式；(2)根据鉴别器的鉴别结果将用户聚类成规定的组别，组内用户进行联邦学习；(3)每一组的中心节点初始化加载预训练离线模型，作为初始全局模型；(4)中心节点将全局模型参数发送给组内所有用户；(5)组内用户以全局模型为基础，在线迁移训练本地模型参数，定期向中心节点发送本地更新模型参数；(6)中心节点聚合组内所有用户模型参数训练得到全局模型；(7)重复上述步骤，直至中心节点的聚合全局模型训练完毕。本发明在保证用户实时视频会话质量的同时，大大缩短在线学习模型的训练时间。
基于在线联邦迁移学习自适应策略高效训练方法

[发明专利]一种面向低码率图像压缩的生成式残差修复方法及装置-CN202310702149.3在审
发明人：马展;孔玉卓;陆明 -专利权人：南京大学
申请日： 2023-06-14 - 公布日： 2023-10-24 - 主分类号： H04N19/85 文献下载
摘要：本发明提出一种面向低码率图像压缩的生成式残差修复方法及装置。该方法包括以下步骤：S1，通过一个端到端的智能图像编码系统得到在低码率时平滑且缺失高频信息的压缩图像；S2，使用生成式残差修复网络对压缩图像与原始图像的残差进行编码，并将解码得到的残差加回到压缩图像上得到重建图像；S3，引入判别器，使用生成对抗网络损失函数对生成式残差修复网络进行优化。本发明实现了更好的主观质量效果。
一种面向低码率图像压缩生成式残差修复方法装置

[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
发明人：马展;蒲志远;郭珮瑶 -专利权人：南京大学
申请日： 2020-07-30 - 公布日： 2023-10-13 - 主分类号： G06F30/27 文献下载
摘要：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]基于深度强化学习的传输编码联合码率自适应控制方法-CN202210296369.6在审
发明人：陈浩;李岳恒;马展 -专利权人：南京大学
申请日： 2022-03-24 - 公布日： 2023-10-03 - 主分类号： H04N21/231 文献下载
摘要：本发明提供了一种基于深度强化学习的传输编码联合码率自适应控制方法，其步骤如下：(1)将原始视频划分为视频帧组，计算出视频帧的空间复杂度和时间复杂度信息；(2)针对每个视频帧组，利用神经网络根据视频复杂度信息、网络状况和编码器信息给出视频编码的压缩参数值，然后进行编码后打包传输；(3)视频发送端以帧为单位依次发送视频流，接收端在本地维护一个接收缓冲区和一个播放缓冲区；(4)根据回传的状态信息计算用户体验质量，更新神经网络的参数，输出下一个视频压缩参数的决策；(5)重复上述步骤，直至收敛到最优决策策略。本发明直接对编码所需压缩参数进行决策，避免了基于码率的决策的不准确性，降低了对于网络带宽的滥用。
基于深度强化学习传输编码联合自适应控制方法

[发明专利]订单生产方法和装置-CN201810959381.4有效
发明人：陈雪芳;冯彦涛;侯玉龙;陈宏勇;杨细平;罗寅卓;马展;乔晓强;刘吓凤 -专利权人：北京京东振世信息技术有限公司
申请日： 2018-08-22 - 公布日： 2023-09-26 - 主分类号： G06Q10/02 文献下载
摘要：本发明公开了一种订单生产方法和装置，涉及物流仓储技术领域。该方法的一具体实施方式包括：确定订单的类型；根据类型，确定目标仓库产能队列和目标站点产能队列；将订单插入目标仓库产能队列和目标站点产能队列中，以生产订单；其中，当订单属于预约订单时，根据预约时间确定目标仓库产能队列和目标站点产能队列；当订单属于非预约订单时，根据下单时间确定订单可妥投的最早时间；基于可妥投的最早时间和未满的仓库产能队列以及未满的站点产能队列，确定目标仓库产能队列和目标站点产能队列。该实施方式能够达到平滑生产、最大化利用产能，为用户提供更精准的物流服务，提升履约率，降低用户催单率，提升用户体验。
订单生产方法装置

[发明专利]视频编解码以及模型训练方法与装置-CN202180090487.5在审
发明人：马展;夏琪;刘浩杰 -专利权人： OPPO广东移动通信有限公司
申请日： 2021-01-25 - 公布日： 2023-09-05 - 主分类号： H04N19/42 文献下载
摘要：本申请提供一种视频编解码以及模型训练方法与装置，通过将图像中目标物区域和背景区域的特征图分离开，分别编码成不同码率的码流；直接对目标物的特征图进行智能分析，省去解码过程，实现高效的面向人机混合视觉的任务，提高了编码效率，降低了解码复杂性。
视频解码以及模型训练方法装置

[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
发明人：马展;石峻奇;陆明 -专利权人：南京大学
申请日： 2023-04-13 - 公布日： 2023-08-22 - 主分类号： H04N19/42 文献下载
摘要：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]一组颅内肿瘤标志物及应用-CN202210119583.4在审
发明人：刘春芳;马展 -专利权人：复旦大学附属华山医院
申请日： 2022-02-08 - 公布日： 2023-08-18 - 主分类号： C12Q1/6886 文献下载
摘要：本发明属生物和医学检验领域，涉及一组用于颅内肿瘤鉴别的标志物及应用；所涉及的基因包括：ABCC4、AC006538.4、AC009065.4、AC053503.11、AC062021.1、AC068535.2、AC092675.3、AP000280.66、BMPR1APS2、CNGA3等51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，鉴别颅内肿瘤的存在以及鉴别是否为神经胶质瘤；从而为颅内肿瘤的快速鉴别提供了分子标志物。
一组肿瘤标志应用

[发明专利]一种基于模块化DC/DC变换器的电池换电站及控制方法-CN202111056969.7有效
发明人：高峰;马展;李伟;方旌扬 -专利权人：山东大学
申请日： 2021-09-09 - 公布日： 2023-08-08 - 主分类号： H02J7/00 文献下载
摘要：本发明公开了一种基于模块化DC/DC变换器的电池换电站及控制方法，包括：DC/AC变换器、以及由第一滤波器和多个子模块组成的模块化DC/DC变换器；多个子模块级联连接后经过第一滤波器接到DC/AC变换器的直流母线上；所述子模块由一个电池组通过一个直流断路器连接到一个半桥电路上组成，可以节省大部分的PCS无源器件成本并提高效率，同时没有环流，而且不存在多并联结构的稳定性问题。同时，本发明提出的基于模块化DC/DC变换器的电池换电站的控制方法，可以实现SOC不一致的电池组的随机热插拔。
一种基于模块化 dc 变换器电池电站控制方法

[发明专利]基于参考池匹配的视频超分方法-CN202310484865.9在审
发明人：马展;黄俊杰;张驰;陆明 -专利权人：南京大学
申请日： 2023-04-28 - 公布日： 2023-08-04 - 主分类号： G06T3/40 文献下载
摘要：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]基于多智能体强化学习的短视频码率自适应传输方法-CN202310418129.3在审
发明人：陈浩;郑倩媛;李岳恒;张子丞;马展 -专利权人：南京大学
申请日： 2023-04-19 - 公布日： 2023-07-28 - 主分类号： H04N19/176 文献下载
摘要：本发明提供一种基于多智能体强化学习的短视频码率自适应传输方法，步骤为：(1)每条短视频划分为视频块，视频块被编码为多个码率等级副本存在于内容分发节点；(2)向内容分发节点请求预缓存视频块，维护本地缓冲区；(3)滚动屏幕时清除上一个视频已下载但未播放的部分，视频队列中第二个视频开始播放；(4)缓冲区管理智能体选择休眠或预缓存的视频标识；(5)码率自适应智能体预缓存视频，确定下一个视频块的码率等级；(6)用户客户端将视频标识及其码率等级的请求提交给内容分发节点；(7)重复上述步骤，直至本地短视频会话结束。本发明训练过程采用模仿学习预训练，多智能体强化学习微调的方法进行码率决策，大大提升训练速度。
基于智能强化学习视频自适应传输方法

[发明专利]视频资源的处理方法及装置-CN201710415356.5有效
发明人：王延峰;徐异凌;张文军;李韵乔;马展;吴钊;李明;吴平 -专利权人：上海交通大学;中兴通讯股份有限公司
申请日： 2017-06-05 - 公布日： 2023-07-14 - 主分类号： H04N21/218 文献下载
摘要：本发明提供了一种视频资源的处理方法及装置，其中之一的方法包括：对视频资源的视频类型进行标识得到所述视频资源的描述信息，其中，所述描述信息包括与所述视频资源对应的以下至少之一：视频映射方式，视频重排列方式，视频分块方式；将所述描述信息发送给所述视频资源的接收端。通过本发明，解决了相关技术中不能对视频资源进行精确定位和识别的问题。
视频资源处理方法装置

[发明专利]一组神经胶质瘤鉴别标志物及应用-CN202111614720.3在审
发明人：刘春芳;马展 -专利权人：复旦大学附属华山医院
申请日： 2021-12-27 - 公布日： 2023-07-07 - 主分类号： C12Q1/6886 文献下载
摘要：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
发明人：陈浩;徐泊巍;马展 -专利权人：南京大学
申请日： 2023-03-13 - 公布日： 2023-06-27 - 主分类号： H04N21/462 文献下载
摘要：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

1
2
3
4
5
6
7
8
9
下一页»
尾页
共 123 条