-
公开(公告)号：CN117474841A
公开(公告)日：2024-01-30
申请号：CN202311344910.7
申请日：2023-10-18
申请人： 上海交通大学
摘要： 本发明提供一种图像主观质量评分和瞳孔数据同步采集方法及系统，包括：图像主观质量评分和瞳孔数据同步采集环境搭建，其中具有图像显示功能和瞳孔数据采集功能；获取高质量参考图像，并根据所述高质量参考图像和失真类型生成一系列的失真图像，并构建图像质量评价数据库；根据所述图像质量评价数据库中的图像，通过图像显示功能，让测试者进行图像主观质量评价训练；训练结束后进行正式图像观察和图像主观质量评价，并同时开启瞳孔数据采集功能，得到每张图像的主观质量评价结果以及对应的瞳孔数据。利用本发明可提供规范化及流程化的基于瞳孔尺寸的图片主观质量评价。
-
公开(公告)号：CN111355949B
公开(公告)日：2021-05-25
申请号：CN202010172382.1
申请日：2020-03-12
申请人： 上海交通大学
IPC分类号： H04N17/00 , H04N21/234 , H04N21/233 , H04N21/44 , H04N21/439 , H04N21/475
摘要： 本发明提供了一种音视频多媒体数据库的构建及多媒体主观质量评价方法，通过创建专门用于音频及视频多媒体的联合质量主观评价音视频多媒体数据库，并基于该数据库，通过搭建音视频多媒体质量评价环境以及选择训练用音视频多媒体数据库中的数据对测试者进行训练、对从测试用音视频多媒体数据库中选择待测试数据进行测试以及对测试得到的主观质量评价结果进行后期数据处理，实现规范化及流程化的音视频多媒体主观质量评价。
-
公开(公告)号：CN111539420A
公开(公告)日：2020-08-14
申请号：CN202010171611.8
申请日：2020-03-12
申请人： 上海交通大学
摘要： 本发明提供了一种基于注意力感知特征的全景图像显著性预测方法及系统，包括：预测全景图像的前景注意力图和背景注意力图；计算预测的所述前景注意力图、所述背景注意力图中每一部分的逐像素的亮度值，得到可视化分数；提取全景图像的全局特征，将所述全局特征与预测的所述前景注意力图、所述背景注意力图使用逐元素乘的方式进行融合，得到融合后的所述前景注意力图、所述背景注意力图；将融合后的所述前景注意力图、所述背景注意力图与所述可视化分数加权融合，获得最终的预测结果。本发明在模拟人类视觉注意力机制方面具有较好的准确性。
-
公开(公告)号：CN111385567A
公开(公告)日：2020-07-07
申请号：CN202010172376.6
申请日：2020-03-12
申请人： 上海交通大学
IPC分类号： H04N17/00 , H04N21/234 , H04N21/44
摘要： 本发明公开一种超高清视频质量评价方法及装置，方法包括：将超高清视频序列逐帧提取出图像序列，将图像从彩色图转变成灰度图；对转变后的每一帧灰度图进行分块，并计算每一分块的局部方差，选取局部方差最大的一个分块作为后续处理的子图，并记录该局部方差为图像复杂度特征；对所述子图进行离散余弦变换，计算所述离散余弦变换下的频域能量特征；计算所述子图的自然统计学特征；将上述图像复杂度特征、频域能量特征、自然统计学特征采用支持向量机方法融合，得到最终的视频质量评价质量分数。本发明可以有效地用于辨别真伪4K超高清图像视频序列，评价超高清图像的质量。
-
公开(公告)号：CN117422980A
公开(公告)日：2024-01-19
申请号：CN202311377511.0
申请日：2023-10-23
申请人： 上海交通大学
IPC分类号： G06V10/98 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06V10/774
摘要： 本发明提供一种基于图卷积神经网络的无参考图像质量评价方法及系统，包括：使用预训练的ResNet50网络提取图像的第一图像特征，基于第一图像特征提取图像的一阶特征和二阶特征，将图像一阶特征和二阶特征进行融合得到第二图像特征；设定多个不同的质量标签，并提取这多个质量标签的特征，构建特征之间的相关性矩阵，基于相关性矩阵构建一个基于图卷积神经网络的分类器，该分类器采用第二图像特征学习图像质量属于每个标签的概率，得到预测的图像质量分数；根据图像质量分数的分布计算图像质量的平均意见分数，根据平均意见分数生成基于高斯的图像质量分数分布，实现图像质量评价。本发明可有效地预测图像的质量分数的分布。
-
公开(公告)号：CN113902723A
公开(公告)日：2022-01-07
申请号：CN202111211563.1
申请日：2021-10-18
申请人： 上海交通大学
摘要： 本发明提供了一种手机游戏图像的多维度美学质量评价方法、设备及介质，包括：对手机游戏图像，采用基于深度学习的特征提取网络进行美学特征提取，并将提取的所述美学特征进行融合；在所述特征提取网络连接全连接层，通过所述全连接层将融合后的所述美学特征映射到不同的美学维度，得到对应的美学分数；所述特征提取网络和所述全连接层构成质量评价模型；通过多任务学习训练所述质量评价模型，使所述质量评价模型能够预测手游图像的多维度美学特征；将待评价的手机游戏图像输入到训练后的所述质量评价模型，得到多维度美学质量分数。本发明可以有效地评价手游图像的美学质量。
-
公开(公告)号：CN113628173A
公开(公告)日：2021-11-09
申请号：CN202110819054.0
申请日：2021-07-20
申请人： 上海交通大学
摘要： 本发明提供了一种基于神经网络的用户生成内容视频质量评价方法及系统，包括：将视频帧输入神经网络中提取空间域特征，并在神经网络中嵌入非局部层来学习遥远位置的依赖关系，之后使用循环神经网络来提取时间域特征，并通过接入时间池来引入时间记忆效应，最后平均池化得到视频的质量。本发明提供的基于神经网络的用户生成内容视频质量评价方法，可有效地评价用户生成内容视频总体体验质量。
-
公开(公告)号：CN111479109A
公开(公告)日：2020-07-31
申请号：CN202010172444.9
申请日：2020-03-12
申请人： 上海交通大学
IPC分类号： H04N17/00 , H04N21/234 , H04N21/44
摘要： 本发明提供了一种基于视听联合注意的视频质量评价方法、系统及终端，该方法在传统基于视觉注意的视频质量评价方法的基础上，通过纳入听觉对视觉注意的影响，构建更加全面的视听联合注意力模型，然后在视频局部失真池化的时候引入基于视听联合注意的加权池化，从而更好地辅助视频质量评价；该方法主要包含三大步骤：构建视听联合注意力模型，视频局部失真度量，基于视听联合注意的局部失真池化。本发明可以更全面地考虑听觉对视觉注意的影响，从而利用视听联合注意更有效地辅助视频质量评价。
-
公开(公告)号：CN113473117B
公开(公告)日：2022-09-02
申请号：CN202110814227.X
申请日：2021-07-19
申请人： 上海交通大学
IPC分类号： H04N17/00 , H04N21/234 , H04N21/439 , H04N21/44 , H04N21/466 , H04N21/475
摘要： 本发明提供了一种基于门控循环神经网络的无参考音视频质量评价方法，首先通过短时特征提取模块中卷积神经网络提取视频信号和音频信号的短时特征，之后利用长时特征提取模块中门控循环神经网络从视频信号和音频信号的短时特征中学习相邻帧之间的关联性，提取长时特征，最后通过特征融合模块中全连接层将音频信号和视觉信号的长时特征进行融合，得到音视频客观质量评价分数。在短时特征提取时，首先将视频信号按时序依次将单帧图像分割为图像小块、音频信号通过短时傅里叶变换将短音频段转换为二维语谱图，之后利用卷积神经网络从图像小块和二维语谱图提取深层语义特征。本发明可有效地评价音视频的总体感知体验质量。
-
公开(公告)号：CN113947524A
公开(公告)日：2022-01-18
申请号：CN202111230705.9
申请日：2021-10-22
申请人： 上海交通大学
摘要： 本发明提供一种基于全卷积图神经网络的全景图片显著性预测方法及设备，包括：将平面全景图像映射成为球面的图数据；将所述球面的图数据输入到全卷积图神经网络进行显著性预测，得到球面显著性图数据；将所述球面显著性图数据变换到平面上，得到平面的全景显著性图像。进一步的，本发明全卷积图神经网络基于残差U形网络结构，在底部采用了膨胀图卷积和注意力机制。此外，本发明使用了一种新的全卷积层，用于球面图空间中的图池化和反池化操作，以保留节点到节点的特征。本发明提出的方法在大规模数据集上优于其他较为先进的显著性预测模型。
-
-
-
-
-
-
-
-
-
搜索结果
23 条记录 (耗时 0.022 秒)
