基于场景分割的自动驾驶处理方法及装置、计算设备

    公开(公告)号:CN108133484B

    公开(公告)日:2022-01-28

    申请号:CN201711405705.1

    申请日:2017-12-22

    Abstract: 本发明公开了一种基于场景分割的自动驾驶处理方法及装置、计算设备,方法对所拍摄和/或所录制视频所包含的帧图像进行分组处理,包括:实时获取图像采集设备所拍摄和/或所录制的车辆驾驶途中的视频中的当前帧图像;将当前帧图像输入至经训练得到的神经网络中,根据当前帧图像在其所属分组中的帧位置,对当前帧图像进行场景分割,得到当前帧图像的场景分割结果;根据场景分割结果,确定行驶路线和/或行驶指令;按照所确定的行驶路线和/或行驶指令,对自身车辆进行自动驾驶控制。本发明根据当前帧图像在其所属分组中的帧位置不同,对应的对帧图像进行场景分割。利用场景分割结果精准地确定行驶路线和/或行驶指令,有助于提高自动驾驶的安全性。

    音频数据处理方法及装置、计算设备

    公开(公告)号:CN108010538B

    公开(公告)日:2021-08-24

    申请号:CN201711407629.8

    申请日:2017-12-22

    Abstract: 本发明公开了一种音频数据处理方法及装置、计算设备,其方法包括:将音频数据转化为动态图像数据;对动态图像数据包含的多帧语谱图进行分组处理;获取一帧语谱图;判断帧语谱图是否为任一分组的第1帧语谱图;若是,将帧语谱图输入神经网络,得到处理后的帧语谱图;若否,将帧语谱图输入神经网络,运算至神经网络的第i层卷积层得到第i层卷积层的运算结果后,获取帧语谱图所属分组的第1帧语谱图输入至神经网络中得到的第j层反卷积层的运算结果,将第i层卷积层的运算结果与第j层反卷积层的运算结果进行图像融合,得到处理后的帧语谱图;重复执行上述步骤直至完成对动态图像数据中所有帧语谱图的处理;将处理后的动态图像数据转化为音频数据。

    基于自适应跟踪框分割的视频穿越处理方法及装置

    公开(公告)号:CN108171719B

    公开(公告)日:2021-07-23

    申请号:CN201711423804.2

    申请日:2017-12-25

    Abstract: 本发明公开了一种基于自适应跟踪框分割的视频穿越处理方法及装置,该方法包括:根据与第t帧图像对应的分割结果,确定第二前景图像,并根据第二前景图像,确定待处理区域;依据时间处理参数,绘制穿越效果贴图;将穿越效果贴图与第二前景图像进行融合处理,得到处理后的第t帧图像。该技术方案实现了高效率高精准性地完成场景分割处理,依据分割结果和时间处理参数,能够自动、精准地对帧图像添加穿越效果,从而得到具有穿越效果的视频,提高了视频处理效率,并且本发明可以直接得到处理后的视频数据,不需要用户进行额外技术处理,极大地节省用户时间,方便大众使用。

    基于自适应阈值分割的直播服饰装扮方法及装置

    公开(公告)号:CN108010038B

    公开(公告)日:2021-07-23

    申请号:CN201711376447.9

    申请日:2017-12-19

    Abstract: 本发明公开了一种基于自适应阈值分割的直播服饰装扮方法、装置、计算设备及计算机存储介质,该方法包括:实时获取视频中包含特定对象的当前帧图像;对当前帧图像进行场景分割处理,得到针对特定对象的前景概率信息,根据前景概率信息,确定前景区域占比,并依据前景区域占比,对前景概率信息进行映射处理,得到与当前帧图像对应的图像分割结果;根据图像分割结果,确定处理后的前景图像,并依据处理后的前景图像,确定处理后的前景图像中的肢体区域;根据用户选择的服饰装扮,对肢体区域添加服饰装扮效果,得到帧处理图像;将帧处理图像覆盖当前帧图像得到处理后的视频数据;显示处理后的视频数据。该技术方案能够精准地对人物添加服饰装扮效果。

    基于自适应阈值的图像分割方法、装置及计算设备

    公开(公告)号:CN107945202B

    公开(公告)日:2021-07-23

    申请号:CN201711377314.3

    申请日:2017-12-19

    Abstract: 本发明公开了一种基于自适应阈值的图像分割方法、装置、计算设备及计算机存储介质,该方法包括:获取包含有特定对象的待处理图像;对待处理图像进行场景分割处理,得到针对特定对象的前景概率信息;根据前景概率信息,确定前景区域占比;依据前景区域占比,对前景概率信息进行映射处理,得到图像分割结果。本发明提供的技术方案依据前景区域占比对前景概率信息进行映射处理,实现了对前景概率信息的自适应映射,利用映射处理后的前景概率信息能够快速、精准地得到待处理图像对应的图像分割结果,有效地提高了图像场景分割的分割精度以及处理效率。

    基于场景分割的风景图像处理方法、装置及计算设备

    公开(公告)号:CN107590811B

    公开(公告)日:2021-06-29

    申请号:CN201710909638.0

    申请日:2017-09-29

    Abstract: 本发明公开了一种基于场景分割的风景图像处理方法、装置、计算设备及计算机存储介质,该方法包括:获取待处理风景图像;将待处理风景图像输入至场景分割网络中,得到与待处理风景图像对应的场景分割结果;根据与待处理风景图像对应的场景分割结果,确定特定对象的轮廓信息;依据特定对象的轮廓信息,为特定对象添加美化效果,得到处理后的风景图像。该技术方案能够快速、准确地得到风景图像对应的场景分割结果,基于场景分割结果能够更为精准地对风景图像中的天空、草地等风景添加美化效果,提高了图片显示效果。

    基于场景分割的视频数据实时处理方法、装置及计算设备

    公开(公告)号:CN107644423B

    公开(公告)日:2021-06-15

    申请号:CN201710908422.2

    申请日:2017-09-29

    Inventor: 张蕊 颜水成 唐胜

    Abstract: 本发明公开了一种基于场景分割的视频数据实时处理方法、装置、计算设备及计算机存储介质,其中,该方法包括:实时获取图像采集设备所拍摄和/或所录制的视频中包含特定对象的当前帧图像;或者,实时获取当前所播放的视频中包含特定对象的当前帧图像;将当前帧图像输入至场景分割网络中,得到与当前帧图像对应的场景分割结果;根据场景分割结果,确定特定对象的轮廓信息;依据特定对象的轮廓信息,添加个性化特效,得到帧处理图像;将帧处理图像覆盖当前帧图像得到处理后的视频数据;显示处理后的视频数据。该技术方案能够实时、准确地得到帧图像对应的场景分割结果,基于场景分割结果能够更为精准地对帧图像添加个性化特效。

    基于双层网络的去中心化计算系统

    公开(公告)号:CN108347483B

    公开(公告)日:2021-04-09

    申请号:CN201810119327.9

    申请日:2018-02-06

    Abstract: 本发明公开了一种基于双层网络的去中心化计算系统,系统由多个轻节点、多个全节点以及多个主节点组成,其中,多个轻节点、多个全节点以及多个主节点之间构成区块链主网络,多个主节点构成主节点处理网络;在区块链主网络中,多个轻节点用于存储用户特定数据;多个全节点和多个主节点用于基于共识机制存储完整的区块链;在主节点处理网络中,多个主节点包括:具有计算功能的计算节点,用于执行链下数据计算任务,得到计算结果。根据本发明提供的技术方案,利用多个主节点进行资源隔离,具有较高的可扩展性,减少了数据处理约束,有效地提高了系统的数据吞吐量。

    基于自适应阈值分割的自动驾驶处理方法及装置

    公开(公告)号:CN108022250B

    公开(公告)日:2021-04-06

    申请号:CN201711375066.9

    申请日:2017-12-19

    Abstract: 本发明公开了一种基于自适应阈值分割的自动驾驶处理方法、装置、计算设备及计算机存储介质,该方法包括:实时获取车辆驾驶途中的视频中的当前帧图像;对当前帧图像进行场景分割处理,得到针对特定对象的前景概率信息,根据前景概率信息,确定前景区域占比,并依据前景区域占比,对前景概率信息进行映射处理,得到与当前帧图像对应的图像分割结果;根据图像分割结果,确定行驶路线和/或行驶指令;按照所确定的行驶路线和/或行驶指令,对自身车辆进行自动驾驶控制。该技术方案有效地提高了图像场景分割的分割精度以及处理效率,并且基于图像分割结果能够更为精准地确定行驶路线和/或行驶指令,有助于提高自动驾驶的安全性。

    多通道神经网络模型训练方法、装置及计算机存储介质

    公开(公告)号:CN111667045A

    公开(公告)日:2020-09-15

    申请号:CN201910176255.6

    申请日:2019-03-08

    Inventor: 董健 颜水成

    Abstract: 本发明实施例公开一种多通道神经网络模型训练方法、装置及计算机存储介质,多通道神经网络模型训练方法包括:在进行目标模型训练时,将训练数据输入N通道神经网络模型进行学习,该模型中采用了多通道的网络结构,包括了一条残差网络通道以及N-1条连接结构互不相同的密集连接网络通道,这N-1个DenseNet通道中的卷积层按各自对应的间隔层数密集连接。这样,通过ResNet通道可以很好地复用模型参数,提高模型的效率,同时,通过N-1条DenseNet通道,可以利用前面层的中间结果,大大提高模型的计算效率和模型的性能。

Patent Agency Ranking