-
公开(公告)号：CN107749047A
公开(公告)日：2018-03-02
申请号：CN201710954199.5
申请日：2017-10-13
Applicant: 中国科学院计算技术研究所
IPC: G06T3/40
Abstract: 本发明涉及一种基于哈达玛矩阵的渐进式压缩感知重建方法和系统，包括：将原始哈达玛矩阵作为低阶哈达玛矩阵，将低阶哈达玛矩阵中的行数据转换为第一观测矩阵，利用第一观测矩阵对原始图像进行压缩感知采样，获得原始图像的低阶测量值，并将根据低阶测量值生成的重建图像实时输出给用户进行查看；对低阶哈达玛矩阵进行迭代处理，得到高阶哈达玛矩阵，将高阶哈达玛矩阵中的行数据转换为第二观测矩阵，并利用第二观测矩阵对原始图像进行压缩感知采样，获得原始图像的高阶测量值，并将根据高阶测量值生成的重建图像实时输出给用户进行查看。有此可实时查看图像重建效果，使用户直观感受图像压缩结果，以采样率最少的采样数据，达到预期图像压缩效果。
-
公开(公告)号：CN107749047B
公开(公告)日：2020-10-16
申请号：CN201710954199.5
申请日：2017-10-13
Applicant: 中国科学院计算技术研究所
IPC: G06T3/40
Abstract: 本发明涉及一种基于哈达玛矩阵的渐进式压缩感知重建方法和系统，包括：将原始哈达玛矩阵作为低阶哈达玛矩阵，将低阶哈达玛矩阵中的行数据转换为第一观测矩阵，利用第一观测矩阵对原始图像进行压缩感知采样，获得原始图像的低阶测量值，并将根据低阶测量值生成的重建图像实时输出给用户进行查看；对低阶哈达玛矩阵进行迭代处理，得到高阶哈达玛矩阵，将高阶哈达玛矩阵中的行数据转换为第二观测矩阵，并利用第二观测矩阵对原始图像进行压缩感知采样，获得原始图像的高阶测量值，并将根据高阶测量值生成的重建图像实时输出给用户进行查看。有此可实时查看图像重建效果，使用户直观感受图像压缩结果，以采样率最少的采样数据，达到预期图像压缩效果。
-
公开(公告)号：CN119759946A
公开(公告)日：2025-04-04
申请号：CN202411613241.3
申请日：2024-11-13
Applicant: 中国科学院计算技术研究所 , 中科南京信息高铁研究院
IPC: G06F16/2453 , G06F16/22 , G06F16/21 , G06F40/284 , G06N3/044 , G06N3/0442 , G06N3/042 , G06N3/08
Abstract: 本发明提供了一种代价估计模型构建方法，包括：步骤S1、获取已执行的历史查询计划以构建训练数据集；步骤S2、采用独热编码方式和词嵌入编码方式对历史查询计划进行编码处理，以获取历史查询计划的初始向量表示；步骤S3、构建初始模型；步骤S4、以历史查询计划的初始向量表示为输入，历史查询计划的执行代价为输出，执行多轮迭代训练更新初始模型参数直至收敛。本发明的技术方案在提取特征信息时额外提取算子位置信息的特征，使得代价估计模型能够更加全面的表示查询计划在算力网场景下的执行特性；还引入词嵌入编码方式进行编码处理，不仅提高了编码效率，还能在不牺牲准确性的前提下减少代价估计模型预测时占用的计算资源。
-
Patent Agency Ranking
公开(公告)号：CN107784676A
公开(公告)日：2018-03-09
申请号：CN201710911885.4
申请日：2017-09-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于自动编码器网络的压缩感知测量矩阵优化方法和系统，包括：获取原始图像作为训练数据，通过分割裁剪处理将训练数据分割多个图像块；根据预设的采样率和自动编码器网络对图像块进行采样，生成初步重建图；根据深度残差网络计算初步重建图和原始图像间的残差值；将残差值与初步重建图相融合，生成重建结果，并根据重建图和图像块建立损失函数，通过损失函数对自动编码器网络中的参数矩阵进行训练，最后将训练完成的自动编码器网络参数作为压缩感知测量矩阵。本发明通过自动编码器对数据维度的变换，模拟实现了图像从采集到重建的过程，其中采集过程的参数即为测量矩阵，并且得到的测量矩阵具有很好的重建质量。
-
公开(公告)号：CN109840922B
公开(公告)日：2021-03-02
申请号：CN201810097816.9
申请日：2018-01-31
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于双目光场相机的深度获取方法和系统，包括：使用场相机拍摄场景，得到场景的视图和光场深度图；使用另一相机对场景进行拍摄，得到场景的另一视图，并根据视图间的视差，得到场景的双目深度图；使用光场相机拍摄具有深度标尺的标定场景，将光场深度图归一化到真实的空间尺度，得到第一真实深度图；使用光场相机拍摄标定场景，将双目深度图归一化到真实的空间尺度，得到第二真实深度图；使用光场深度变化的梯度值，获取光场深度图中各像素点的可信度；根据可信度和马尔科夫随机场，将第一真实深度图和第二真实深度图相融合，得到融合深度图。本发明通过融合光场深度和双目深度，实现从近到远准确计算场景深度的解决方案。
-
公开(公告)号：CN107784676B
公开(公告)日：2020-06-05
申请号：CN201710911885.4
申请日：2017-09-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于自动编码器网络的压缩感知测量矩阵优化方法和系统，包括：获取原始图像作为训练数据，通过分割裁剪处理将训练数据分割多个图像块；根据预设的采样率和自动编码器网络对图像块进行采样，生成初步重建图；根据深度残差网络计算初步重建图和原始图像间的残差值；将残差值与初步重建图相融合，生成重建结果，并根据重建图和图像块建立损失函数，通过损失函数对自动编码器网络中的参数矩阵进行训练，最后将训练完成的自动编码器网络参数作为压缩感知测量矩阵。本发明通过自动编码器对数据维度的变换，模拟实现了图像从采集到重建的过程，其中采集过程的参数即为测量矩阵，并且得到的测量矩阵具有很好的重建质量。
-
公开(公告)号：CN109840922A
公开(公告)日：2019-06-04
申请号：CN201810097816.9
申请日：2018-01-31
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于双目光场相机的深度获取方法和系统，包括：使用场相机拍摄场景，得到场景的视图和光场深度图；使用另一相机对场景进行拍摄，得到场景的另一视图，并根据视图间的视差，得到场景的双目深度图；使用光场相机拍摄具有深度标尺的标定场景，将光场深度图归一化到真实的空间尺度，得到第一真实深度图；使用光场相机拍摄标定场景，将双目深度图归一化到真实的空间尺度，得到第二真实深度图；使用光场深度变化的梯度值，获取光场深度图中各像素点的可信度；根据可信度和马尔科夫随机场，将第一真实深度图和第二真实深度图相融合，得到融合深度图。本发明通过融合光场深度和双目深度，实现从近到远准确计算场景深度的解决方案。
-
公开(公告)号：CN107846592A
公开(公告)日：2018-03-27
申请号：CN201710969734.4
申请日：2017-10-18
Applicant: 中国科学院计算技术研究所
IPC: H04N19/132 , H04N19/172 , H04N19/19 , H04N19/42
CPC classification number: H04N19/132 , H04N19/172 , H04N19/19 , H04N19/42
Abstract: 本发明涉及一种压缩感知图像的采集重建方法，包括：采样步骤，通过对原始图像进行双光路调制并采样；重建步骤，采用图形处理器配合主控计算机调用压缩感知重建软件进行重建；或采样现场可编程门阵列，调用硬化在现场可编程门阵列内的压缩感知重建模块进行重建。本发明在现有压缩感知成像技术的基础上，设计了双光路采集方案，可以在不调整设备的情况下采集单帧静态图像或多帧连续图像，使用图形处理器对压缩感知重建算法软件进行加速，或采用硬化有压缩感知重建算法的现场可编程门阵列执行重建，达到了高效图像视频采集和快速重建的效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.03 seconds)
