公开(公告)号：CN119211564A

公开(公告)日：2024-12-27

申请号：CN202411315044.3

申请日：2024-09-20

Applicant: 上海交通大学

Inventor： 戴文睿 ,  费文 ,  郑紫阳 ,  李成林 ,  邹君妮 ,  熊红凯

IPC: H04N19/20 ,  H04N19/42 ,  H04N19/91

Abstract: 本公开提供一种整数实现的图像编码、解码、压缩方法以及系统、终端，其中，方法包括：将待压缩图像输入预设的整数化的编码网络，确定整数特征图；将整数特征图输入预设的整数化的超先验编码网络，采用非参数化分布估计确定整数超先验特征图和超先验特征二进制码流；将整数超先验特征图输入预设的整数化的超先验解码网络，确定整数特征图的高斯分布参数；采用预设的熵编码器对整数特征图进行编码处理，确定特征图二进制码流；将超先验特征二进制码流和特征图二进制码流进行合并处理，确定压缩图像二进制码流。通过本公开，在不损失率失真性能的情况下，降低图像编码和图像解码的复杂度，提高图像压缩的运行效率，节省资源消耗。

公开(公告)号：CN119048799A

公开(公告)日：2024-11-29

申请号：CN202411009929.0

申请日：2024-07-26

Applicant: 上海交通大学

Inventor： 戴文睿 ,  费文 ,  郑紫阳 ,  李成林 ,  邹君妮 ,  熊红凯

IPC: G06V10/764 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/084 ,  G06F7/483

Abstract: 本发明提供一种基于随机初始化的神经网络压缩和图像分类方法及系统，包括：获取待压缩网络及其参数初始化方法和初始化的随机数种子；使用所述随机数种子按照所述初始化方法生成初始化的网络参数；对每一层每个通道搜索缩放因子，将所述初始化的网络参数乘以缩放因子获得缩放的网络参数，使得缩放的网络参数与待压缩的网络参数之间误差的平方和最小；将所述待压缩的网络参数减去所述缩放的网络参数，得到参数差值；对所述参数差值进行压缩处理得到压缩后的参数差值。本发明实现高压缩率，来降低神经网络储存和传输开销，达到节省资源的目的。

公开(公告)号：CN119027594A

公开(公告)日：2024-11-26

申请号：CN202411211527.9

申请日：2024-08-30

Applicant: 上海交通大学

Inventor： 邹君妮 ,  王丽莎 ,  戴文睿 ,  郑紫阳 ,  李成林 ,  熊红凯

IPC: G06T17/00 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种特征图获取方法、系统和三维形状处理方法、终端及介质，包括：获取三维网格数据；对所述三维网格数据预处理，计算获得每个顶点的局部邻域的对数映射、局部邻域中心节点和邻居节点之间的平行传输；将每个顶点的三维坐标、局部邻域的对数映射、局部邻域内中心节点和邻居节点之间的平行传输输入到规范等变胶囊网络，生成特征图；将所述特征图用于三维形状处理。本发明在获得较高性能的同时保证连续SO(2)的规范等变，保证了网络在不同规范、不同三维网格结构、不同顶点位置上的泛化能力，可以用于形状分类、形状分割、球面图像分类等领域，满足几何深度学习三维形状处理的当前需求。

公开(公告)号：CN118898558A

公开(公告)日：2024-11-05

申请号：CN202411084544.0

申请日：2024-08-08

Applicant: 上海交通大学

Inventor： 郑紫阳 ,  田佳豪 ,  彭欣宇 ,  戴文睿 ,  邹君妮 ,  熊红凯

IPC: G06T5/77 ,  G06T5/60 ,  G06T5/73 ,  G06T5/70 ,  G06N3/042 ,  G06N3/084 ,  G06N3/0464

Abstract: 本发明提供了基于一致性模型先验的图像处理方法和系统，包括：获取图像处理任务的退化模型及待处理图像的测量信号；从预训练的扩散模型进行蒸馏训练获得一致性模型；建立基于一致性模型的先验约束优化问题，最大化给定测量信号时获取真实图像的后验概率；利用一致性模型获得真实图像的初始估计并改进；根据退化模型和改进的初始估计，求解真实图像的估计；引入标准差随迭代步数变化的高斯噪声，将加噪后的估计作为下一次迭代的输入；重复上述步骤直至设定的迭代步数，获得处理后的图像。本发明在图像修复、图像去模糊、图像超分辨率和图像非线性去模糊等任务中，能够在保证图像修复性能的前提下，提升修复速度，满足通用处理的需求。

公开(公告)号：CN117354523A

公开(公告)日：2024-01-05

申请号：CN202311276043.8

申请日：2023-09-29

Applicant: 上海交通大学

Inventor： 戴文睿 ,  李涵 ,  李成林 ,  邹君妮 ,  熊红凯

IPC: H04N19/149 ,  H04N19/42 ,  H04N19/147 ,  H04N19/136 ,  G06T9/00 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明公开一种频域特征感知学习的图像编码、解码、压缩方法，包括：通过频域特征感知学习模块组成的编码网络获取待编码图像的第一和第二特征图；获取第二特征图的超先验特征二进制码流及超先验信息；将第二特征图划分为多个通道分组；将每个通道分组的分布参化建模为高斯分布，通过基于Transformer的通道自回归熵模型来预测高斯分布的均值、方差；根据高斯分布对第二特征图进行概率估计，并进行算术编码，获得每个通道分组的特征二进制码流并合并为特征二进制码流，与超先验特征二进制码流合并，得到压缩图像二进制码流。本发明可以提取更为紧凑的隐变量，能够精确地对三维特征的分布进行建模和估计码率，提升图像压缩的率失真性能。

公开(公告)号：CN111477290B

公开(公告)日：2023-10-31

申请号：CN202010151109.0

申请日：2020-03-05

Applicant: 上海交通大学

Inventor： 戴文睿 ,  毛志成 ,  徐宇辉 ,  李成林 ,  邹君妮 ,  熊红凯

IPC: G16H10/60 ,  G06F21/62 ,  G06V10/774

Abstract: 本发明提供一种保护用户隐私的联邦学习和图像分类方法、系统及终端，联邦学习方法包括：采集各终端上用户行为产生的数据，保存于该本地终端；服务器发送一个统一的模型给各终端，各终端利用采集到的所述数据训练所述模型；将各终端训练后的所述模型上传到所述服务器，所述服务器对所述模型先在不同终端之间进行交换后再全局聚合，或者，所述服务器对所述模型先进行部分聚合后再在不同终端之间交换，最后进行全局聚合。网络系统包括：本地训练模块、模型通信模块、模型交换模块、模型聚合模块。本发明对各终端数据分布不相同的联邦学习场景能得到比传统方法更好的效果，且保证了整个系统的隐私保护能力，使其能适应各种应用场景。

公开(公告)号：CN115834914A

公开(公告)日：2023-03-21

申请号：CN202211561058.4

申请日：2022-12-07

Applicant: 上海交通大学

Inventor： 戴文睿 ,  范小萱 ,  费文 ,  李劭辉 ,  李成林 ,  邹君妮 ,  熊红凯

IPC: H04N19/91 ,  G06T9/00 ,  G06N3/0464

Abstract: 本发明提供一种基于张量网络的熵编码、熵解码方法及图像压缩方法、系统、装置，包括：采用格雷码将图像的离散特征划分为多个二进制位平面；采用特征映射将二进制位平面映射到对应的希尔伯特空间内，生成位平面的向量化特征；基于张量网络的熵编码模型，对位平面的向量化特征分别进行概率估计及编码，生成位平面特征二进制码流；合并所有的位平面特征二进制码流，得到特征二进制码流。采用张量网络建模特征概率分布，能够在不引入任何先验假设的条件下，准确计算特征的联合概率，相比于现有熵模型的设计进一步提升了压缩结构的灵活性和可扩展性。

公开(公告)号：CN112741651B

公开(公告)日：2022-11-25

申请号：CN202011585174.0

申请日：2020-12-25

Applicant: 上海交通大学烟台信息技术研究院

Inventor： 戴文睿 ,  李锦 ,  李成林 ,  邹君妮 ,  熊红凯

IPC: A61B8/08

Abstract: 本发明提供一种内窥镜超声影像的处理方法及系统，所述方法包括：获取CP‑EBUS成像技术中三个模式的超声影像，其中，三个模式是指弹性模式E、灰阶模式B和多普勒血流模式F；采用多模态神经网络对三个模式的所述超声影像进行分类，得到识别淋巴结的处理结果。本发明使用CP‑EBUS成像技术中三个模式的图像数据，通过多模态神经网络对这些图像进行处理，能够更为准确的识别超声影像的淋巴结，从而有助于提升淋巴结诊断的准确率。

公开(公告)号：CN114708343A

公开(公告)日：2022-07-05

申请号：CN202210288552.1

申请日：2022-03-22

Applicant: 上海交通大学

Inventor： 戴文睿 ,  李鑫 ,  李劭辉 ,  李成林 ,  邹君妮 ,  熊红凯

IPC: G06T9/40 ,  G06N20/00

Abstract: 本发明提供三维点云图字典学习方法以及基于图字典学习的编解码方法、压缩方法及装置，包括：获得N幅训练集点云数据；对点云数据进行体素化处理，获得体素化的训练集点云数据；对训练集点云数据进行体素块划分，选取若干体素块作为训练集，根据训练集构建图字典学习模型；对图字典学习的目标函数进行迭代优化，获得用于三维点云信号的编解码的图字典。本发明有效地利用点云信号之间的空间相关性，渐进最优地去除点云信号之间的冗余性；利用不同层级信号之间的数据相关性由低层级自上而下进行预测编码，有效地提升了3D点云属性信号的压缩效率，有效减少编码开销，灵活地满足实际需求中对不同质量的解码信号的需求，具有可伸缩性。

公开(公告)号：CN111860495B

公开(公告)日：2022-05-17

申请号：CN202010568944.4

申请日：2020-06-19

Applicant: 上海交通大学

Inventor： 戴文睿 ,  王曜明 ,  李成林 ,  邹君妮 ,  熊红凯

IPC: G06V10/25 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明提供一种层级化网络结构搜索方法、设备及可读存储介质，包括：S1，构建超网络；S2，获取图像数据并分别作为超网络的网络参数、结构参数的训练数据；S3，生成特征图，计算网络参数的交叉熵损失函数，更新超网络的网络参数；S4，生成特征图和KL散度损失函数，计算结构参数的交叉熵损失函数，得到半隐含变分丢弃损失函数，训练更新超网络的结构参数并得到丢弃概率；S5，利用丢弃概率更新基本单元，更新退火参数；重复S3～S5，更新网络参数和结构参数；S6，得到最终网络。本发明在保证较高的性能同时大幅度减少搜索时间和降低计算复杂度，保证了搜索的稳定性和实用性，可用于图像目标检测、分类等领域，提高图像处理速度。