“国家新闻出版广电总局广播科学研究院”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95个，建议您升级VIP下载更多相关专利

[发明专利]个性化内容推荐方法、装置及存储介质-CN201811390538.2有效
发明人：李婷婷;朱里越;欧阳峰 -专利权人： 国家新闻出版广电总局广播科学研究院
申请日： 2018-11-21 - 公布日： 2023-08-04 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种个性化内容推荐方法、装置及存储介质。其中，所述方法包括：为影视库中的各节目生成节目标签；采集用户行为数据，根据用户行为数据及当前观看时间生成用户当前标签；依据所述用户当前标签对影视库中的节目进行筛选，获得若干推荐节目；利用所述用户当前标签和各推荐节目的节目标签对所述推荐节目进行加权积分计算，获得各推荐节目的推荐值；将各所述推荐节目和与各推荐节目对应的推荐值向用户进行展示。本发明利用个性化标签和节目标签按照预设的打分规则进行打分，按照资源的得分为用户输出推荐资源，实现内容推荐的自动化及个性化，同时，使得推荐的结果更加准确，满足用户的喜好。
个性化内容推荐方法装置存储介质

[发明专利]基于属性特征和加权的分块特征相融合的行人再识别方法-CN201811273875.3有效
发明人：胡潇;王琳;王强;付光涛;姜竹青;门爱东 -专利权人： 国家新闻出版广电总局广播科学研究院;北京邮电大学
申请日： 2018-10-30 - 公布日： 2023-05-09 - 主分类号： G06V40/10 文献下载
摘要：本发明涉及一种基于属性特征和加权的分块特征相融合的行人再识别方法，包括以下步骤：构造属性特征提取子网络，该子网络融合了手动提取的特征和深度神经网络提取的特征；采用设置加权的交叉熵损失函数来训练属性特征提取子网络；构造基于分块的特征提取子网络，该网络可融合多个分块的深度特征；训练基于分块的特征提取子网络，设置局部损失函数的加权融合层，自主学习不同的权重，进而赋予各局部损失函数；对整体网络进行训练，提取融合了属性特征和基于分块的深度特征的行人特征表示。本发明设计合理，其有效结合了属性特征和深度特征，在损失函数计算方法上进行优化，获得了很好的行人再识别结果，使得系统整体匹配准确率大大提升。
基于属性特征加权分块融合行人识别方法

[发明专利]一种基于身体结构划分的双线性行人再识别网络构建方法-CN201811273872.X有效
发明人：胡潇;郭晓强;周芸;饶丰;李下雨;姜竹青;门爱东 -专利权人： 国家新闻出版广电总局广播科学研究院;北京邮电大学
申请日： 2018-10-30 - 公布日： 2023-05-05 - 主分类号： G06N3/045 文献下载
摘要：本发明涉及一种基于身体结构划分的双线性行人再识别网络构建方法，包括以下步骤：对原始行人图像进行身体结构分块得到多个结构子框，将多个子框组合成新的行人图像，构造结构框预测子网络；设置加权的局部损失函数来训练该结构框预测子网络；构造两个子网络，分别以原始行人图像和重组后行人图像作为输入，对应地提取全局行人特征和局部行人特征；设置双线性融合层，并将其作为全局特征和局部特征的融合层，得到最终的行人特征表示；对整体网络进行训练，得到基于身体结构划分的双线性行人再识别模型。本发明结合整体特征和局部特征，充分利用了身体结构信息，通过双线性融合方法获得更具判别力的行人特征，使得系统整体匹配准确率大大提升。
一种基于身体结构划分双线性行识别网络构建方法

[发明专利]基于通道注意力机制和多层特征融合的图像超分辨率方法-CN201910014480.X有效
发明人：卢越;解伟;郭晓强;姜竹青;门爱东 -专利权人： 国家新闻出版广电总局广播科学研究院;北京邮电大学
申请日： 2019-01-07 - 公布日： 2023-04-07 - 主分类号： G06T3/40 文献下载
摘要：本发明涉及一种基于通道注意力机制和多层特征融合的图像超分辨率方法，在残差支路开头，使用基于深度学习的单层卷积层直接提取低分辨率图像的原始特征；使用六个级联的基于通道注意力机制和多层特征融合的卷积循环单元来提取精确的深度特征；通过反卷积层对深度特征进行上采样，并且使用单层卷积层对上采样的特征进行降维，得到高分辨率图像的残差；在映射支路，使用双三次插值方法对低分辨图像进行上采样，得到高分辨率图像的映射；将高分辨率图像的映射和残差逐像素相加得到最终的高分辨率图像。本发明设计合理，充分考虑了特征通道间的差异性，高效地利用了层次化的特征，在取得较高准确率的同时，保持了较快的运行速度。
基于通道注意力机制多层特征融合图像分辨率方法

[发明专利]一种通用的准循环LDPC码编码器的FPGA实现方法及装置-CN201810343330.9有效
发明人：肖婧婷 -专利权人： 国家新闻出版广电总局广播科学研究院
申请日： 2018-04-17 - 公布日： 2022-05-20 - 主分类号： H03M13/11 文献下载
摘要：本发明公开了一种通用的准循环LDPC码编码器的FPGA实现方法及装置，本发明通过生成矩阵非单位阵部分的循环块个数、循环块的维度、码长、码率、系统时钟及编码速率的要求折中定量计算，求得部分并行编码模块并行度的方法。该方法不仅具有计算以及配置通用性，也可以在编码速率与消耗的资源数量取得较好的折中，从而克服了串行输入编码器的编码速率过慢，全并行输入的编码电路消耗的硬件资源过多，不利于资源的合理利用，两步编码电路的逻辑连接复杂的问题。
一种通用循环 ldpc 编码器 fpga 实现方法装置

[发明专利]广电融合业务系统-CN201811570846.3有效
发明人：牛妍华;朱里越;欧阳峰;赵翠;万倩 -专利权人： 国家新闻出版广电总局广播科学研究院
申请日： 2018-12-21 - 公布日： 2022-04-22 - 主分类号： H04L9/40 文献下载
摘要：本发明公开了一种广电融合业务系统，包括：外部接入控制单元，与因特网连接，用于接收和处理第三方应用提供商的业务，并为广电融合业务系统提供安全防护；外部业务单元，与外部接入控制单元通信连接，用于提供web应用的安全服务；内部业务单元，与外部业务单元通信连接，用于提供视频业务的安全服务和直播业务的安全服务；测试应用单元，与安全管理单元通信连接，用于新业务的开发、测试，获得业务源，并业务源发送给安全管理单元；安全管理单元，用于对各单元进行安全监控，并接收测试单元发送的业务源，并将业务源发送给外部业务单元或内部业务单元；资源库，用于保存外部业务单元和内部业务单元的业务源。本发明系统结构清晰，且安全性高。
广电融合业务系统

[发明专利]调幅广播性能的测试方法及测试系统-CN201811333359.5有效
发明人：周德斌 -专利权人： 国家新闻出版广电总局广播科学研究院
申请日： 2018-11-09 - 公布日： 2022-02-25 - 主分类号： H04B17/327 文献下载
摘要：本发明公开了一种调幅广播性能的测试方法及测试系统，其中，测试方法包括：测量接收端接收的由发射端使用广播信号对载波进行幅度调制后形成的第一调幅广播信号的功率作为第一功率；测量接收端接收来自于发射端单独发射的载波的功率作为第二功率；根据第一功率与第二功率，确定接收端接收的第一调幅广播信号的有效功率，并进一步确定调幅广播的抗噪性能。本发明提供的测试方法能够更直观、准确的衡量调幅广播的抗噪性能。
调幅广播性能测试方法系统

[发明专利]基于多路径密集特征融合全卷积网络的目标检测方法-CN201810721733.2有效
发明人：黄守志;李小雨;饶丰;姜竹青;门爱东 -专利权人： 国家新闻出版广电总局广播科学研究院;北京邮电大学
申请日： 2018-07-04 - 公布日： 2021-10-12 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于多路径密集特征融合全卷积网络的目标检测方法，利用深度卷积神经网络提取具有不同特征信息的分层多尺度特征图；利用自底向上的旁路连接进行自下而上的特征融合；利用自顶向下的密集旁路连接进行自上而下的密集特征融合；构建不同大小和长宽比的目标候选框；利用二分类器减少目标候选框中的简单背景样本，并利用多任务损失函数对二分类器、多类别分类器和边界框回归器进行联合优化。本发明基于深度卷积神经网络提取图像特征，利用多路径密集特征融合方法改善特征表达能力，构建了用于目标检测的全卷积网络，提出了减少冗余简单背景样本和多任务损失联合优化的策略，提高了算法的检测精度，获得了良好的目标检测结果。
基于路径密集特征融合卷积网络目标检测方法

[发明专利]基于超特征融合与多尺度金字塔网络的目标检测方法-CN201810721716.9有效
发明人：黄守志;郭晓强;付光涛;姜竹青;门爱东 -专利权人： 国家新闻出版广电总局广播科学研究院;北京邮电大学
申请日： 2018-07-04 - 公布日： 2021-10-12 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于超特征融合与多尺度金字塔网络的目标检测方法，包括利用深度卷积神经网络提取具有不同特征信息的分层多尺度特征图；进行超特征融合；构建新的多尺度金字塔网络；根据不同层分别构建不同大小和长宽比的目标候选框；构建一个新的用于多特征提取且能够防止梯度消失的卷积模块；利用多任务损失函数对多类别分类器和边界框回归器进行联合训练优化实现图像分类和目标定位功能。本发明利用深度卷积网络对目标的特征提取能力，考虑超特征融合方法改善特征表达能力，生成了一个新的模块防止梯度消失而且能更有效地帮助训练和提取特征，构建了用于目标检测的全卷积神经网络，提高了算法的检测精度，获得了良好的目标检测结果。
基于特征融合尺度金字塔网络目标检测方法

[发明专利]基于深度学习的全局特征和局部特征的图像语义分割方法-CN201810841610.2有效
发明人：宋辉;解伟;郭晓强;周芸;姜竹青;门爱东 -专利权人： 国家新闻出版广电总局广播科学研究院;北京邮电大学
申请日： 2018-07-27 - 公布日： 2021-07-23 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种基于深度学习的全局特征和局部特征的图像语义分割方法，包括以下步骤：在编码端，使用基于深度学习卷积神经网络模型提取图像的基础深度特征，同时根据卷积层的深度将特征分为低层特征和高层特征；应用特征融合模块将低层特征和高层特征融合成增强型的深度特征；在获取深度特征后，将其输入到解码端；以交叉熵损失函数为目标训练网络，使用mIoU评价网络性能。本发明设计合理，其使用深度卷积神经网络模型提取图像的全局和局部特征，充分利用了全局特征和局部特征的互补性，并且利用了堆叠池化层进一步提高性能，有效地提高了图像语义分割地准确率。
基于深度学习全局特征局部图像语义分割方法

[发明专利]提升MBMS容量的方法及装置-CN201710252760.5有效
发明人：李继龙;任仪;冯海亮;夏勇;张帆;何晶;王晓霞 -专利权人： 国家新闻出版广电总局广播科学研究院
申请日： 2017-04-18 - 公布日： 2021-07-16 - 主分类号： H04W72/04 文献下载
摘要：本发明公开了一种提升MBMS容量的方法及装置。所述方法包括：S101，在无线子帧中配置用于发送同步信号和/或测量信号的专用子帧；所述专用子帧为以下之一：单播子帧、包含单播部分的MBSFN子帧和具有预先配置的同步信号序列的MBSFN子帧；S102，在所述专用子帧上按照预先配置的配置信息发送下行同步信号或信道。本发明中方法及装置通过改进帧结构的配置，实现了在MBSFN场景中同步信号和/或测量信号的发送，从而有效的解决MBSFN场景中的下行同步和测量问题，从而提升MBMS系统容量。
提升 mbms 容量方法装置

[发明专利]一种对不明广播电视侵入信号的侦测系统-CN201710970119.5有效
发明人：任宁宁;高鹏 -专利权人： 国家新闻出版广电总局广播科学研究院
申请日： 2017-10-18 - 公布日： 2021-05-28 - 主分类号： G01S3/12 文献下载
摘要：本发明涉及一种对不明广播电视侵入信号的侦测系统，包括：多部手持式无线信号接收机、无线通信网络、网关处理中心、internet网络和信息处理模块，能够快速地同时进行广播电视侵入信号的测向和定位，找到不明信号源，操作简单，操作人员不需具备专业知识，能够按照操作步骤完成测量工作；采用手持式的无线信号接收机，体积小、重量轻，避免在复杂地方环境下，车辆或大型设备无法及时到达，而无法对侵入信号的测向定位；具有断点续传功能，当无线信号接收机对侵入信号的测向跟踪由于短时间的遮挡或其他原因丢失时，能够保持对侵入信号角度信息的跟踪。
一种不明广播电视侵入信号侦测系统

[发明专利]基于多区域特征提取和融合的行人再识别方法-CN201810721690.8有效
发明人：胡潇;周芸;王琳;姜竹青;门爱东 -专利权人： 国家新闻出版广电总局广播科学研究院;北京邮电大学
申请日： 2018-07-04 - 公布日： 2021-04-27 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于多区域特征提取和融合的行人再识别方法，利用残差网络提取全局特征，并在训练阶段增加一个用于全局特征提取和优化的行人身份分类模块；构造用于局部特征提取的多区域特征提取子网络，并将各局部特征进行加权融合；设置包括分类模块损失和特征融合模块损失的损失函数；对网络进行训练，得到模型提取查询集和测试集的特征向量；在度量阶段，利用交叉近邻方法对特征距离进行重新度量。本发明设计合理，有效结合了全局特征和局部特征，在距离度量方法上进行优化，获得了很好的行人再识别结果，使得系统整体匹配准确率大大提升。
基于区域特征提取融合行人识别方法

[发明专利]基于全局特征损失函数的行人再识别方法-CN201810721744.0有效
发明人：谢林睿;解伟;夏治平;姜竹青;门爱东 -专利权人： 国家新闻出版广电总局广播科学研究院;北京邮电大学
申请日： 2018-07-04 - 公布日： 2021-04-27 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于全局特征损失函数的行人再识别方法，将全部输入图像分成所有可能图像对，包括表示同一人的同类对和表示不同人的异类对；计算所有可能图像对之间的特征距离，从两类图像对之间的特征距离中分别统计形成全局的距离均值和方差；构建全局特征损失函数并使用该全局特征损失函数在学习过程中减小两个方差以及增大两个均值之间的差；将全局特征损失函数与分类损失函数和验证损失函数联合使用，共同增强特征的学习。本发明设计合理，充分利用了输入全体图像中相比于单张图像更为丰富的信息，使得特征的描述能力性能远远高于单纯的单张图片特征，使得系统整体匹配率大大提高。
基于全局特征损失函数行人识别方法

[发明专利]基于增强型深度卷积神经网络的行人再识别方法-CN201810721706.5有效
发明人：郭天生;郭晓强;王强;姜竹青;门爱东 -专利权人： 国家新闻出版广电总局广播科学研究院;北京邮电大学
申请日： 2018-07-04 - 公布日： 2021-04-23 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于增强型深度卷积神经网络的行人再识别方法，使用基础深度学习卷积神经网络模型提取行人图像的基础深度特征，同时使用传统手动特征提取方法提取行人图像的手动特征并降维；应用特征重建模块将基础深度特征和手动特征融合成增强型深度特征；通过特征比较预测两张图像中行人是否为同一个人，联合使用分类损失函数和验证损失函数对输入图像进行分类和异同验证，以最小化联合损失为目标来训练网络，使得网络生成更有判别力的行人图像特征。本发明充分利用了手动特征和深度特征之间的互补性，提出了联合使用分类损失和验证损失函数用于监督网络训练的策略，获得了良好的性能，有效地提高行人再识别准确率。
基于增强深度卷积神经网络行人识别方法

1
2
3
4
5
6
7
下一页»
尾页
共 95 条