“余润德”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5个，建议您升级VIP下载更多相关专利

[发明专利]影像色彩修复的镜头自动划分方法-CN202210436280.5有效
发明人： 余润德;张仙伟;宋建锋;韩露;谢琨;徐浩;张文英 -专利权人：陕西西影数码传媒科技有限责任公司;西安石油大学;西安电子科技大学
申请日： 2022-04-25 - 公布日： 2023-03-24 - 主分类号： G06T5/00 文献下载
摘要：影像色彩修复的镜头自动划分方法，获取包含多种类别的目标检测训练数据，训练VGG19网络作为特征提取器，将黑白影视文件逐帧切割，得到每一帧的图像，并将帧图像大小对齐，将帧图像输入训练好的特征提取器中，提取得到帧图像的多层特征图作为其深度特征，计算每相邻两帧图像的深度特征之间的语义相似度；根据计算得到的语义相似度，基于阈值自适应算法确定分割该黑白影视文件所需要的阈值，将语义相似度中低于该阈值的帧作为镜头的分割点，完成镜头分割。本发明能够根据不同影像利用阈值自适应动态调整阈值，为影像色彩修复等应用场景提供关键技术支持，同时也可用于非黑白影视的镜头划分应用场景。
影像色彩修复镜头自动划分方法

[发明专利]一种基于区块链的视频版权管理方法-CN202010135931.8有效
发明人： 余润德;张志威;袁野;金福生;杨新航;王国仁 -专利权人：陕西西影数码传媒科技有限责任公司;北京理工大学
申请日： 2020-03-02 - 公布日： 2023-02-14 - 主分类号： G06F16/27 文献下载
摘要：本发明公开了一种基于区块链的视频版权管理方法，包括：视频信息存储阶段和视频版权查询阶段；数据存储阶段为：构建区块链网络，管理节点将原始视频存入本地文件系统；计算节点对原始视频抽取关键帧；计算节点构建原始视频对应在区块链上的数据单元并连接在区块链上进行广播；其他节点同步区块链状态；视频版权查询阶段包括：待查视频被提交到管理节点，抽取关键帧并进行查询；根据链上链下数据的协同来判断查询结果的可信度，验证节点反馈结果。本发明通过区块链存储视频的关键帧、文本标签以及基于原始视频文件生成的摘要三种元数据，来解决视频存储需要较大储存空间的问题，并进一步根据自定义的共识机制来解决节点之间互不信任的问题。
一种基于区块视频版权管理方法

[发明专利]影像色彩修复的图像质量评价方法-CN202210436445.9有效
发明人： 余润德;张仙伟;宋建锋;张文英;谢琨;杨瑾;韩露 -专利权人：陕西西影数码传媒科技有限责任公司;西安石油大学;西安电子科技大学
申请日： 2022-04-25 - 公布日： 2022-11-25 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种黑白电影影像色彩修复的图像质量评价方法，输入电影的镜头片段，将镜头片段切割成图像帧作为上色的输入数据。首先使用清晰度算法过滤输入数据，将剩余的高清晰度灰度图像使用deoldify方法上色，在上色过程中，使用饱和度算法为该镜头图像的上色自动选择较好的渲染因子值，上色完成以后，计算每张上色后图像与原图之间的均方误差指标(MSE)并将图像按该值升序排序，选取MSE的值排在3/4位置处的图像，作为影像色彩修复的质量最好的图像，即整个镜头上色最终的参考图像。本方法避免了分别对图像帧进行上色然后合成视频这种上色方法所造成的伪影问题及前后不连贯问题，可以使得电影片段的上色效果更加连贯和真实。
影像色彩修复图像质量评价方法

[发明专利]一种基于低秩矩阵填充模型的图像修复方法-CN202210972977.4在审
发明人：于莉红;余润德;罗蓬涛;杨新航;李江涛 -专利权人：陕西西影数码传媒科技有限责任公司
申请日： 2022-08-15 - 公布日： 2022-11-11 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种基于低秩矩阵填充模型的图像修复方法，首先设计了一种新式低秩正则约束项，使得所提矩阵填充模型能够对秩函数进行更紧致地松弛，从而学习更好的低秩结构关系来对矩阵破损区域元素进行有效修复。此外，引入了稀疏约束项，提高了模型对图像中噪音的鲁棒性。本发明设计了一个高效且简单的优化算法来求解所提矩阵填充模型，并将该模型应用于图像修复方法上，有效解决了破损或模糊RGB图像以及灰度图像的修复问题。
一种基于矩阵填充模型图像修复方法

[发明专利]一种卷积神经网络图像识别分类决策的解释方法-CN202210819142.5在审
发明人：邱昌卿;金福生;余润德;马波;袁野;王国仁 -专利权人：北京理工大学
申请日： 2022-07-12 - 公布日： 2022-10-04 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种卷积神经网络图像识别分类决策的解释方法，首先将经特征图扰动的图像输入神经网络模型，通过分类输出层得到神经元激活值；然后，用所述神经元激活值除以所述特征图相对应的惩罚因子后，输入softmax层，得到目标类的分数，作为所述特征图的权重，最后，根据多张所述特征图的权重，得到解释图。本发明通过一个参数实现了根据需要放大/缩小特征图的平均值之间的差距，调节了softmax函数放大/缩小特征的重要程度，大大减少了计算量，并且该方法可根据使用者想要的标准生成热力图与解释图，具有非常好的适用性和非常高的解释可信度，此外，该方法可用于任何卷积神经网络，没有模型结构的限制。
一种卷积神经网络图像识别分类决策解释方法