“施一帆”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21个，建议您升级VIP下载更多相关专利

[发明专利]基于深宽度联合神经网络的多模态数据知识信息提取方法-CN202110278271.3有效
发明人：刘雨晨;余志文;杨楷翔;施一帆;陈俊龙 -专利权人：华南理工大学
申请日： 2021-03-12 - 公布日： 2023-10-17 - 主分类号： G06F18/25 文献下载
摘要：本发明公开了一种基于深宽度联合神经网络的多模态数据知识信息提取方法，包括步骤：1)收集智能制造工厂生产所产生的多模态数据，进行数据清洗预处理后存储至Hadoop分布式文件系统中；2)将存储在HDFS中的原始数据日志记录按模态性质进行细分建表，分别将多模态数据处理成单模态数据特征，包括语音，文本，图像等单模态数据特征表等并存储到HIVE数据库中；3)利用深宽度联合网络对多模态数据特征表进行特征提取，得到对应的高层抽象特征知识，从而实现深宽度联合网络对多模态数据知识信息的提取。
基于宽度联合神经网络多模态数据知识信息提取方法

[发明专利]基于多池优先经验回放的强化学习网络训练方法及装置-CN202310767100.6在审
发明人：黄德天;吴娇绿;黄小茜;曾焕强;朱建清;陈婧;施一帆 -专利权人：华侨大学
申请日： 2023-06-27 - 公布日： 2023-09-22 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种基于多池优先经验回放的强化学习网络训练方法及装置，构建基于经验回放池和共享池的多池框架；将每个智能体对应的经验回放池中的样本按照采样概率采样至共享缓冲区中，将共享缓冲区中样本放入共享池中，将每个智能体从共享池中抽取的样本存放在各自的缓冲区中；在共享池中采用K‑means算法进行聚类，得到聚类结果，以对共享池中的样本进行清理；对强化学习网络分阶段进行训练，在不同的阶段智能体分别从其对应的经验回放池或者缓冲区中抽取样本进行学习，对经验回放池和共享池中样本的TD误差进行更新，并根据更新后的TD误差对共享池中的样本进行清理；重复交叉执行以上若干步骤，使智能体在环境异步环境下更好的探索最优策略。
基于优先经验回放强化学习网络训练方法装置

[发明专利]一种联合轨迹损失和排名损失优化的鲁棒目标跟踪器-CN202310744027.0在审
发明人：黄德天;王振严;徐正军;曾焕强;朱建清;陈婧;施一帆 -专利权人：华侨大学
申请日： 2023-06-21 - 公布日： 2023-09-12 - 主分类号： G06T7/246 文献下载
摘要：本发明提供一种联合轨迹损失和排名损失优化的鲁棒目标跟踪器，包括：步骤S1、用非权重共享的孪生骨干网络提取特征，得到模板特征图和历史特征图；步骤S2、利用模板特征图和历史特征图获得目标相似性响应图；步骤S3、利用轨迹损失学习使跟踪器学习目标的运动信息；步骤S4、利用IOU引导的排名损失优化跟踪器的分类子网络和回归子网络；步骤S5、联合轨迹损失和IOU引导的排名损失实现目标状态的估计。本发明能够提升孪生跟踪器的准确性和鲁棒性。
一种联合轨迹损失排名优化目标跟踪

[发明专利]基于卷积神经网络的3D-HEVC深度图帧内编码单元划分方法及装置-CN202310550087.9在审
发明人：陈婧;周廷开;曾焕强;朱建清;施一帆;林琦 -专利权人：华侨大学
申请日： 2023-05-16 - 公布日： 2023-08-29 - 主分类号： H04N19/597 文献下载
摘要：本发明公开了一种基于卷积神经网络的3D‑HEVC深度图帧内编码单元划分方法及装置，通过构建编码单元划分预测模型并训练，采用3D‑HEVC编码器对当前待编码块进行编码，在编码过程中确定编码单元的当前尺寸和当前编码量化参数；根据编码单元的当前尺寸和/或当前编码量化参数确定在编码过程中采用速度模式或性能模式，在速度模式中，将预测值作为当前待编码块的划分结果；在性能模式中，使用3D‑HEVC编码器预测当前待编码块的划分结果；判断编码单元的当前尺寸是否大于第四尺寸，若是则调整当前待编码块的尺寸缩小一个级别，并重复以上步骤，直至得到当前待编码块的所有划分结果，本方法在保证一定编码质量的前提下，能够显著节省深度图编码所需时间。
基于卷积神经网络 hevc 深度图帧内编码单元划分方法装置

[发明专利]基于自适应聚类和困难样本加权的无监督车辆再辨识方法-CN202310891062.5在审
发明人：朱建清;张晓翔;陈巍;赵倩倩;曾焕强;陈婧;蔡灿辉;施一帆 -专利权人：华侨大学
申请日： 2023-07-20 - 公布日： 2023-08-18 - 主分类号： G06V20/54 文献下载
摘要：本发明公开了一种基于自适应聚类和困难样本加权的无监督车辆再辨识方法，首先，利用当前聚类参数计算最合适的半径值，提升聚类伪标签对车辆样本噪声的鲁棒性；其次，记忆模块记录所有车辆样本特征向量，利用距离作为车辆样本困难程度加权依据，改善模型对困难车辆样本关注力不足的问题；最后，利用加权困难车辆样本结合对比学习方法训练车辆再辨识模型。本发明可广泛应用于智慧交通和智慧安防中的智能视频监控系统。
基于自适应困难样本加权监督车辆辨识方法

[发明专利]一种多目标跟踪方法、终端设备及存储介质-CN202310306107.8在审
发明人：陈龙涛;廖国兴;曾焕强;朱建清;黄德天;傅玉青;施一帆 -专利权人：华侨大学
申请日： 2023-03-27 - 公布日： 2023-07-18 - 主分类号： G06T7/246 文献下载
摘要：本发明涉及一种多目标跟踪方法、终端设备及存储介质，该方法中包括：读取视频信息；对视频信息中的帧图像进行目标分割，得到目标的像素级信息和表观特征信息；基于卡尔曼滤波算法对各帧图像中的轨迹进行预测；基于前一帧图像中的轨迹和当前帧图像中目标的表观特征信息，计算两者之间的外观相似度，提取外观相似度大于相似度阈值的轨迹和目标作为预匹配轨迹和预匹配目标，将预匹配目标存入匹配目标集；计算预匹配轨迹与预匹配目标之间的代价矩阵，计算未匹配轨迹与未匹配目标之间的Mask‑IoU分数，将两者融合得到最终代价矩阵；通过匈牙利算法得到轨迹匹配结果。本发明相比于现有方法可以兼具效率与性能。
一种多目标跟踪方法终端设备存储介质

[发明专利]基于3D-HEVC深度图模式预测的深度图编码方法、装置及可读介质-CN202310449794.9在审
发明人：陈婧;周廷开;曾焕强;朱建清;施一帆;林琦 -专利权人：华侨大学
申请日： 2023-04-24 - 公布日： 2023-07-07 - 主分类号： H04N19/147 文献下载
摘要：本发明公开了一种基于3D‑HEVC深度图模式预测的深度图编码方法、装置及可读介质，通过构建基于卷积网络的DMM模式预测模型并进行训练，得到经训练的DMM模式预测模型；将待编码深度图序列划分得到第一级别尺寸下的若干个当前待编码块，将当前待编码块输入经训练的DMM模式预测模型，输出的网络预测值为当前待编码块的编码过程中是否需要将DMM模式加入对应尺寸的全率失真代价计算列表的标签值；采用3D‑HEVC编码器对当前待编码块进行编码，在编码过程中调用网络预测值，并确定当前待编码块在对应尺寸下的最佳模式；以判断是否需要将DMM模式加入对应尺寸的全率失真代价计算列表，可避免直接将DMM模式加入全率失真代价计算列表，导致对DMM模式冗余的率失真计算过程。
基于 hevc 深度模式预测编码方法装置可读介质

[发明专利]基于GIoU门限机制的在线多目标跟踪方法、设备和存储介质-CN202211279274.X在审
发明人：陈龙涛;汪勇衡;曾焕强;朱建清;黄德天;施一帆 -专利权人：华侨大学
申请日： 2022-10-19 - 公布日： 2022-12-30 - 主分类号： G06T7/246 文献下载
摘要：本发明一种基于GIoU门限机制的在线多目标跟踪方法、设备和存储介质，提出一种加入到级联匹配过程的GIoU门限机制GIGM，以提高关联性能、解决长距离标识切换问题，当目标和检测距离较远时，GIGM可以有效防止匹配和长距离标识切换，CIoU匹配被用作第二关联策略，以获得更好和更合理的跟踪结果。即使检测目标在外观上高度相似，但当它们的位置相距很远时，GIGM可以防止该错误匹配。
基于 giou 门限机制在线多目标跟踪方法设备存储介质

[发明专利]基于自适应3D卷积的屏幕视频质量评价方法及装置-CN202210975931.8在审
发明人：曾焕强;黄海靓;陈婧;朱建清;施一帆;黄德天 -专利权人：华侨大学
申请日： 2022-08-15 - 公布日： 2022-12-02 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于自适应3D卷积的屏幕视频质量评价方法及装置，获取屏幕视频，基于局部视频活动度Γ(Px,y,t)对屏幕视频进行自适应分割，得到屏幕视频序列集合，屏幕视频包括参考屏幕视频和失真屏幕视频，屏幕视频序列集合包括参考屏幕视频序列集合和失真屏幕视频序列集合；通过3D卷积神经网络分别提取参考屏幕视频序列集合的参考时空卷积特征STr以及失真屏幕视频序列集合的失真时空卷积特征STd；采用双尺度卷积神经网络对参考时空卷积特征STr和失真时空卷积特征STd实现双通道时空特征融合，计算得到失真屏幕视频的质量评价分数。着重于考虑人眼视觉系统特性及屏幕视频本质信息，模拟人类视觉系统的多通道视觉处理过程，从不同角度实现对失真屏幕视频的质量预测。
基于自适应卷积屏幕视频质量评价方法装置

[发明专利]基于混合特征的无参考屏幕视频质量评价方法及系统-CN202210726211.8在审
发明人：曾焕强;文豪;陈婧;朱建清;施一帆;林鸿钰 -专利权人：华侨大学
申请日： 2022-06-24 - 公布日： 2022-08-30 - 主分类号： H04N21/234 文献下载
摘要：本发明公开一种基于混合特征的无参考屏幕视频质量评价方法及系统，包括：S10，将输入的失真屏幕视频SCV以连续30帧为一组，组合形成多个屏幕视频块SCVB；S20，计算每个屏幕视频块SCVB中每一帧视频帧对应的活动度，选取其中活动度最大的视频帧作为候选帧；S30，使用预训练好的卷积神经网络对所述屏幕视频块和候选帧进行特征提取，分别得到视频级特征和帧级特征；将视频级特征和帧级特征进行组合，形成用于表征视频的总体特征；S40，通过浅层卷积神经网络，将视频的总体特征映射成对应的质量分数。本发明充分利用了卷积神经网络在特征提取方面的优点，通过同时处理帧级和视频块级特征更加全面的提取了视频特征。
基于混合特征参考屏幕视频质量评价方法系统

[发明专利]一种针对H.266/VVC帧内预测编码的快速编码单元划分方法-CN202210389982.2在审
发明人：曾焕强;李鸿辉;陈婧;朱建清;施一帆;陈龙涛 -专利权人：华侨大学
申请日： 2022-04-14 - 公布日： 2022-08-09 - 主分类号： H04N19/182 文献下载
摘要：本发明提供的一种针对H.266/VVC帧内预测编码的快速编码单元划分方法，根据纹理描述符对当前编码CU的纹理复杂度进行判别，若为平坦区域，则终止当前CU的划分，将尺寸为64×64的CU块采取四叉树划分，得到尺寸为32×32的CU块，计算水平、垂直活动度，若水平、垂直活动度之差小于设定阈值，则采取VTM默认方式，若水平活动度大于垂直活动度，则计算四叉树划分、水平二叉树划分和水平三叉树划分的纹理活动度，若垂直活动度大于水平活动度，计算四叉树划分、垂直二叉树划分和垂直三叉树划分的纹理活动度，并对纹理活动度大小进行判别，选择对应划分方式，否则采取VTM默认方式；本发明方法能提前终止平坦的CU块划分，跳过大量的代价计算，简单有效地节省编码时间。
一种针对 266 vvc 预测编码快速单元划分方法

[发明专利]融合语义相似性嵌入和度量学习的跨模态图文检索方法-CN202210390000.1在审
发明人：曾焕强;阮海涛;朱建清;曹九稳;侯军辉;王勇涛;施一帆 -专利权人：华侨大学
申请日： 2022-04-14 - 公布日： 2022-07-29 - 主分类号： G06F16/532 文献下载
摘要：本发明提出一种融合语义相似性嵌入和度量学习的跨模态图文检索方法，具体包括：首先构建特征嵌入模块抽取每个模态的深度特征，然后在图像和文本的单模态表征空间和跨模态公共表征空间通过标签域监督信息和语义一致性监督信息分别进行表征学习。同时，设计一个深度相似性度量网络对融合后的图像文本对进行相似性比较，得到相似性得分，通过语义相似性矩阵监督相似性学习。通过损失函数将模型统一到一个整体的框架内，训练可得到端到端的跨模态图文检索模型。通过实验表明，本发明能够有效解决跨模态图文检索中精确度不高的问题。
融合语义相似性嵌入度量学习跨模态图文检索方法

[发明专利]针对H.266/VVC屏幕内容帧内CU划分的快速预测方法及装置-CN202210269314.6在审
发明人：曾焕强;焦超;曹九稳;朱建清;陈婧;施一帆;黄德天 -专利权人：华侨大学
申请日： 2022-03-18 - 公布日： 2022-07-05 - 主分类号： H04N19/107 文献下载
摘要：本发明公开了一种针对H.266/VVC屏幕内容帧内CU划分的快速预测方法及装置，通过收集屏幕内容视频建立数据库，用于训练模型；构建宽度自适应网络模型，预测两种不同尺寸CU的划分方式，预测步骤如下：先采用网络模型对64×64大小的CU进行划分方式预测，若为不划分，则停止CU的RD代价计算，若为划分，则得到4个32×32大小的CU，则采用网络模型对32×32大小的CU的划分方式进行预测，若为不划分，则停止RD的代价计算，若为四叉树划分，则得到4个16×16的CU：若为多种类型叉树划分，则需要依靠标准编码器进行计算；最后设定适当的预设阈值来提高预测准确率。本发明能够在保持H.266/VVC编码效率的前提下，有效地降低H.266/VVC屏幕内容的帧内预测编码计算复杂度。
针对 266 vvc 屏幕内容 cu 划分快速预测方法装置

[发明专利]一种基于三维边缘相似度特征的点云质量分析方法-CN202210176395.5在审
发明人：曾焕强;卢子安;陈婧;朱建清;侯军辉;施一帆;黄德天 -专利权人：华侨大学
申请日： 2022-02-24 - 公布日： 2022-06-03 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种基于三维边缘相似度特征的点云质量分析方法，该方法考虑到人眼视觉系统特性对点云图像的边缘轮廓特征具有较高的敏感性，且考虑到了点云的三维特征，将参考和失真点云尺度归一化后采用多尺度的3D‑DOG滤波器提取其边缘和结构特征，多尺度的滤波器可以从不同程度展现点云的细节，即可以从不同的角度有效地反映点云的退化程度；该方法充分利用人眼视觉对于边缘信息的敏感度，模拟了人眼主观评价点云图像的过程，相较于其他方法具有较好的点云质量分析性能，且本发明方法具有较高的识别准确性、敏感性以及鲁棒性。
一种基于三维边缘相似特征质量分析方法

[发明专利]基于多教师联合指导量化的模型压缩方法及系统-CN202111543069.5在审
发明人：曾焕强;胡浩麟;陈婧;施一帆;朱建清;黄德天;温廷羲 -专利权人：华侨大学
申请日： 2021-12-16 - 公布日： 2022-03-25 - 主分类号： G06N20/20 文献下载
摘要：本发明实例公开了一种基于多教师联合指导量化的网络模型压缩方法及系统，利用模型量化降低深度神经网络的存储开销，提高推理速度；基于在线同步学习的联合训练范式，结合集成学习中对弱学习进行线性组合构建强学习的思想，由多个教师网络对学生网络进行量化感知训练，充分利用教师网络提供的量化梯度信息，以弥补量化压缩造成的性能损失；最后，再以全精度模型作为教师网络，通过离线知识蒸馏进一步训练量化学生网络，最终得到精度不逊于复杂模型的轻量级模型。本发明有效结合了模型量化、知识蒸馏以及集成学习的优势，在实现模型压缩与加速的同时也提升了模型性能。
基于教师联合指导量化模型压缩方法系统

1
2
下一页»
尾页
共 21 条