-
公开(公告)号：CN1822025A
公开(公告)日：2006-08-23
申请号：CN200610058693.5
申请日：2006-03-08
Applicant: 北京邮电大学
IPC: G06K9/00
Abstract: 一种基于网格的并行、分布式的人脸识别方法，是采用改进的基于线段的人脸识别方法将人脸图像的识别计算和操作部署在网格上，利用网格中各节点的强大计算能力和存储能力，以及各节点的互相协作，并行、分布式地进行人脸识别的运算处理，以提高人脸识别速度，能够在检索大数据量的人脸库基础上实时识别人脸；同时，可增加资源消耗而选取更多的人脸特征线段，提高识别精度。该方法包括下述操作步骤：配置网格，建立可调配计算节点池；在视频流中提取人脸图像，存入缓存区；对含有人脸的图像提取人脸矩形区域图像，并对其进行标准化处理，再传输到管理节点；各计算节点并发执行人脸识别的运算操作；管理节点对人脸识别结果数据进行综合分析处理。
-
公开(公告)号：CN1633098A
公开(公告)日：2005-06-29
申请号：CN200510005162.5
申请日：2005-01-28
Applicant: 北京邮电大学
Abstract: 一种支持任务重构的无线传感器网络系统及方法，该系统包括有：多个传感器节点，采用无线方式与传感器进行通信的数据汇聚服务器，以及利用IP网络或其它通信网络分别与数据汇聚服务器以及互相之间进行通信的用户端和代码服务器，其中代码服务器用于存放和管理系统执行各种传感任务所需要的不同任务代码。重构任务的实现方法包括三个步骤：配置和执行初始代码，请求传感任务重构与分发代码，启动和执行新的传感任务。该方法特点是能够将新的传感任务代码快速配置到网络的传感器节点中，为节点存储空间和处理计算能力有限的传感器网络系统提供一种支持传感任务动态变化的有效方法，并在重构任务代码过程中，基于可靠组播的技术进行任务代码的分发。
-
公开(公告)号：CN1124742C
公开(公告)日：2003-10-15
申请号：CN00134538.9
申请日：2000-12-11
Applicant: 北京邮电大学
IPC: H04N7/173
Abstract: 一种支持多播视频点播系统交互性的尽力修补方法，该方法工作过程分为如下三个阶段：(1)客户请求准入阶段，(2)交互阶段，(3)合并阶段。该方法特点是将原来主要用于消除多播VoD系统中的服务延时的修补技术扩展到用于支持多播视频点播系统中客户的连续交互操作，从而为多播视频点播系统实现真视频点播服务提供一种有效的支持方法；并且，在用于支持交互的修补流和多播流的合并过程中提出了一种新的动态合并算法，该算法可以显著地提高信息流的合并效率。
-
公开(公告)号：CN1296358A
公开(公告)日：2001-05-23
申请号：CN00134538.9
申请日：2000-12-11
Applicant: 北京邮电大学
Inventor： 马华东 , 康·G·申(KangG.Shin)
IPC: H04N7/173
Abstract: 一种支持多播视频点播系统交互性的尽力修补方法,该方法工作过程分为如下三个阶段:(1)客户请求准入阶段,(2)交互阶段,(3)合并阶段。该方法特点是将原来主要用于消除多播VoD系统中的服务延时的修补技术扩展到用于支持多播视频点播系统中客户的连续交互操作,从而为多播视频点播系统实现真视频点播服务提供一种有效的支持方法;并且,在用于支持交互的修补流和多播流的合并过程中提出了一种新的动态合并算法,该算法可以显著地提高信息流的合并效率。
-
公开(公告)号：CN120075486A
公开(公告)日：2025-05-30
申请号：CN202510051126.X
申请日：2025-01-13
Applicant: 北京邮电大学
IPC: H04N21/234 , H04N21/2343 , H04N21/44 , H04N21/4402 , G06Q30/0207 , G06N3/0464
Abstract: 本发明提供一种自适应奖励驱动的视频传输流控制方法和装置。在工业化视频传输背景下，视频码率自适应模型引入强化学习的形式，根据实时视频在过去多个周期的指标数据进行码率选择。利用正在迅速兴起的LLM微调技术RLHF，通过自适应奖励模型拟合真实用户对实时视频的评价以建立奖励值引导码率自适应模型进行更新和优化。在不同网络场景下，人们对于视频的QoE评价标准较为统一，且观感数据收集的技术难度和成本远低于超参数微调，易于进行工业化部署和深入优化，使得视频系统能够根据网络环境和用户偏好及时调整传输码率策略。在保持良好观感的情况下，最大化利用网络带宽资源，提高网络服务的服务体验质量。
-
Patent Agency Ranking
公开(公告)号：CN114339259B
公开(公告)日：2025-05-06
申请号：CN202111586946.7
申请日：2021-12-23
Applicant: 北京邮电大学
IPC: H04N19/51 , H04N19/513 , H04N19/587 , H04N19/597
Abstract: 本申请提供视频压缩方法和装置，方法包括：根据传感器与视频采集装置之间的位置关系以及传感器采集的实时运动数据，获取视频采集装置采集的原始视频序列中各个原始图像各自对应的旋转运动矢量；基于各个原始图像各自对应的旋转运动矢量分别对各个原始图像进行运动补偿，得到各个原始图像各自对应的目标图像；对各个目标图像分别进行图像补偿，得到由各个经图像补偿的目标图像组成的目标视频序列，以对目标视频序列进行压缩处理。本申请能够有效提高视频压缩过程中对视频中各个图像进行稳像的有效性及精确性，并能够有效降低运动估计的计算复杂度，提高运动估计及运动补偿的效率，进而能够有效提高视频压缩的有效性、精确性及效率。
-
公开(公告)号：CN119204192B
公开(公告)日：2025-04-08
申请号：CN202411706615.6
申请日：2024-11-26
Applicant: 北京邮电大学
IPC: G06N5/022 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于翻译嵌入的传感数据逻辑特征提取方法及装置，所述方法包括：获取进行逻辑特征提取的传感数据序列，将传感数据序列输入至训练好的逻辑特征提取模型，传感数据序列包括传感器监测到的多个时间步的监测数据，逻辑特征提取模型包括向量嵌入模块、关系构建模块以及特征提取模块；基于向量嵌入模块确定传感数据序列中的各监测数据对应的嵌入向量，基于各嵌入向量通过所述关系构建模块确定监测数据之间的逻辑关系表示，基于各嵌入向量和各逻辑关系表示通过特征提取模块生成各监测数据对应的逻辑特征向量；其中，逻辑关系表示为算术关系表示或方向关系表示。该方法可较好地捕获传感数据中的细微特征，提高数据分析的准确性和实用性。
-
公开(公告)号：CN119741422A
公开(公告)日：2025-04-01
申请号：CN202411772724.8
申请日：2024-12-04
Applicant: 北京邮电大学
IPC: G06T17/00 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/762 , G06N3/0464
Abstract: 本发明提出一种三维人体骨骼姿态估计方法及模型训练方法，四类模态数据输入特征提取模块，提取四类特征经模态间特征融合模块融合后输入三维坐标估计模块输出三维人体骨骼姿态预测值；每一轮迭代训练三维人体骨骼姿态估计模型时基于夏普利值法计算单模态贡献度值并划分模态类别；当前批次样本进行模拟训练，不同模态类别噪声模态数据分别拟合，模拟训练的均方根误差建立两个高斯分布，均值较高者对应的噪声数据去除后的当前批次样本训练三维人体骨骼姿态估计模型，基于预测值和真实值的均方根误差和可塑权重巩固损失构建联合损失更新三维人体骨骼姿态估计模型参数，不同模态对应特征提取模块参数按照预设权重分别融合初始特征提取模块参数。
-
公开(公告)号：CN119740658A
公开(公告)日：2025-04-01
申请号：CN202411772723.3
申请日：2024-12-04
Applicant: 北京邮电大学
IPC: G06N5/04 , G06F16/783 , G06F16/683 , G06F18/25 , G06N3/0464 , G06N3/045
Abstract: 本发明提供一种自动驾驶视频问答方法、模型训练方法及系统，训练样本集对初始自动驾驶问答模型进行训练，每个样本包含针对一个自动驾驶视频的连续视频图像数据、音频数据和问题文本数据；提取的视频特征和音频特征融合并输入场景超图生成模块，与关系查询输入关系解码器获取关系特征，与驾驶行为查询输入驾驶行为解码器获得驾驶行为特征，两类分类头输出两类分类结果；场景超图嵌入层分别对关系特征和驾驶行为特征添加对应分类结果和时间步的嵌入，引入标识嵌入后获得场景超图嵌入，与问题文本特征共同输入视频问答模块，输出关于问题文本数据的答案预测值；通过匈牙利匹配损失函数和交叉熵损失函数构建融合损失函数获得自动驾驶视频问答模型。
-
公开(公告)号：CN119671875A
公开(公告)日：2025-03-21
申请号：CN202411679308.3
申请日：2024-11-21
Applicant: 北京邮电大学
IPC: G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本申请提供一种图像处理方法、装置、设备、存储介质及程序产品。该方法包括：获取待处理图像、以及待处理图像的语义掩码信息；对待处理图像的语义掩码信息和待处理图像进行结合处理，得到目标语义掩码实例；根据预设的CLIP网络和目标语义掩码实例，得到目标语义掩码实例中的实例语义信息；对实例语义信息和比对实例语义信息进行相似度的比对处理，确定实例语义信息中的目标掩码实例；根据目标掩码实例和待处理图像，确定目标图像。本申请的方法，提高了原始图像的图像质量和图像处理效率。
-
-
-
-
-
-
-
-
-
Search Results
476
records
(took 0.026 seconds)
