-
公开(公告)号：CN117294894A
公开(公告)日：2023-12-26
申请号：CN202311150398.2
申请日：2023-09-07
申请人： 华侨大学
摘要： 本发明提供一种视频目标编辑方法、终端设备及存储介质，方法包括：获取视频信息、目标编辑操作、目标编号和视频目标参数；使用视频实例分割算法对视频中的帧图像进行目标分割，得到目标的像素级信息；输出对应操作和编号的相应图片列表，根据目标编辑操作，输出原帧列表、目标二值掩码列表、平移目标帧列表、平移目标二值掩码列表、缩放目标帧列表或缩放目标二值掩码列表；使用视频图像修复算法对视频画面进行修复，根据目标编辑操作，输出删除修复视频、平移修复视频列表或缩放修复视频。本发明能够更方便、高效及精确地实现视频目标编辑。
-
公开(公告)号：CN118799923A
公开(公告)日：2024-10-18
申请号：CN202411282680.0
申请日：2024-09-13
申请人： 华侨大学
摘要： 本发明公开了一种基于掩膜引导双流网络的行人重识别方法及装置，涉及图像识别领域，构建行人重识别模型、第一教师模型和第二教师模型，行人重识别模型包括轮廓单元和暴露单元，将轮廓空间注意力模块作为第一学生模型并与第一教师模型进行蒸馏学习，构造轮廓流中由掩码引导的注意力损失；将暴露空间注意力模块作为第二学生模型并与第二教师模型进行蒸馏学习，构造暴露流中由掩码引导的注意力损失；构造面部信息损失和REID损失；根据轮廓流中由掩码引导的注意力损失、暴露流中由掩码引导的注意力损失、面部信息损失和REID损失构造总损失函数并对行人重识别模型进行训练，得到经训练的行人重识别模型以进行行人重识别，解决背景和衣服因素的干扰问题。
-
公开(公告)号：CN117237197A
公开(公告)日：2023-12-15
申请号：CN202311475296.8
申请日：2023-11-08
申请人： 华侨大学
IPC分类号： G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/80
摘要： 本发明公开了一种基于交叉注意力机制与Swin‑Transformer的图像超分辨率方法及装置，涉及图像重建领域，该方法包括：获取待重建的低分辨率图像及其对应的梯度图；构建基于交叉注意力机制与Swin‑Transformer的图像超分辨率模型并训练，得到经训练的图像超分辨率模型；将待重建的低分辨率图像输入经训练的图像超分辨率模型，经训练的图像超分辨率模型包括SR分支和梯度分支，SR分支和梯度分支中分别采用浅层特征提取模块提取低分辨率图像及其对应的梯度图的浅层特征，通过全局深层特征提取模块将浅层特征进行融合，得到深层特征，并输入图像重建模块，重建得到高分辨率图像，解决原有经典图像超分辨率模型难以提取全局特征的问题，以提高重建图像的清晰度。
-
公开(公告)号：CN116778446A
公开(公告)日：2023-09-19
申请号：CN202310761995.2
申请日：2023-06-26
申请人： 华侨大学
IPC分类号： G06V20/56 , G06N3/0464 , G06V10/82 , G06N3/048 , G06V10/22 , G06V10/764 , G06V10/26 , G06V10/74 , G06N3/08
摘要： 本发明公开了一种车道线快速检测方法、装置及可读介质，获取路况图像；构建基于编码器‑解码器的神经网络并训练，得到车道线检测模型，基于编码器‑解码器的神经网络包括主干分支和辅助分支，主干分支包括依次连接的编码器网络、CBAM注意力机制模块和解码器网络，编码器网络中包括改进的残差结构，改进的残差结构包括第一卷积层以及分别与第一卷积层连接的第一分支和第二分支，第一分支包括第二卷积层，第二分支包括依次连接的第三卷积层和第四卷积层，第一分支、第二分支与第一卷积层的输入通过加法器相连，辅助分支为实例分割网络，并仅在训练过程中使用；将路况图像输入车道线检测模型，检测得到车道线图像，提高车道线检测的准确率和检测速度。
-
公开(公告)号：CN114885172A
公开(公告)日：2022-08-09
申请号：CN202210389982.2
申请日：2022-04-14
申请人： 华侨大学
IPC分类号： H04N19/182 , H04N19/593 , H04N19/96
摘要： 本发明提供的一种针对H.266/VVC帧内预测编码的快速编码单元划分方法，根据纹理描述符对当前编码CU的纹理复杂度进行判别，若为平坦区域，则终止当前CU的划分，将尺寸为64×64的CU块采取四叉树划分，得到尺寸为32×32的CU块，计算水平、垂直活动度，若水平、垂直活动度之差小于设定阈值，则采取VTM默认方式，若水平活动度大于垂直活动度，则计算四叉树划分、水平二叉树划分和水平三叉树划分的纹理活动度，若垂直活动度大于水平活动度，计算四叉树划分、垂直二叉树划分和垂直三叉树划分的纹理活动度，并对纹理活动度大小进行判别，选择对应划分方式，否则采取VTM默认方式；本发明方法能提前终止平坦的CU块划分，跳过大量的代价计算，简单有效地节省编码时间。
-
公开(公告)号：CN117671135A
公开(公告)日：2024-03-08
申请号：CN202311512308.X
申请日：2023-11-14
申请人： 华侨大学
IPC分类号： G06T17/00 , G06N3/0455 , G06N3/0464 , G06T3/4053 , G06T7/13 , G06V10/40
摘要： 本发明公开了一种基于稀疏再聚焦的高分辨率人脸图像重建方法，涉及图像处理技术领域，包括：利用卷积核为3×3的第一卷积层提取输入的低分辨率人脸图像的浅层特征；基于三个依次连接的组件特征提取网络提取组件特征；其中，第一个组件特征提取网络的输入与第一卷积层的输出相连接；基于三个依次连接的组件生成模块生成高分辨率组件图；其中，每个组件生成模块的输入与一个组件特征提取网络的输出相连接；利用逐像素相加合并高分辨率组件图，生成重建的高分辨率人脸图像。本发明能够有效抑制冗余特征并强调关键特征，实现高效的特征提取；根据图像组件的复杂度分而治之地重建组件并合并，能够降低高频细节的重建难度并复原高分辨率人脸图像。
-
公开(公告)号：CN117011299B
公开(公告)日：2024-02-20
申请号：CN202311280774.X
申请日：2023-10-07
申请人： 华侨大学
摘要： 本发明公开了一种融合图重采样和梯度特征的参考点云质量评估方法及系统，涉及图像处理领域，方法包括：使用基于图的关键点重采样方法，对输入的参考点云进行关键点提取；以关键点为中心划分参考点云和失真点云的局部邻域组，根据关键点与其他点在坐标空间中的欧几里德距离来聚类每个局部区域内的点；分别提取参考点云和失真点云的三维梯度幅值特征和三维梯度方向图特征，基于三维梯度幅值特征计算三维梯度幅值相似度，基于三维梯度方向图特征计算三维梯度方向图相似度，并计算出联合三维梯度特征相似度；基于联合三维梯度特征相似度，使用响应强度值进行加权池化，得到失真点云的客观质量分数。本发明具有较高的识别准确性、敏感性以及鲁棒性。
-
公开(公告)号：CN117476250A
公开(公告)日：2024-01-30
申请号：CN202311764347.9
申请日：2023-12-21
申请人： 华侨大学
摘要： 本发明公开了一种基于多目标跟踪的流行病调查预测方法、装置及可读介质，涉及图像处理领域，包括：获取目标场景区域的视频数据并进行目标检测以及目标跟踪，得到多目标跟踪结果；基于多目标跟踪结果构建目标场景区域中出现的人员在每个时间步所对应的接触网络；构建当前时间步所对应的传染病动力学模型，若存在感染者，则获取感染者在下个时间步的轨迹数据，根据感染者在下个时间步的轨迹数据和下个时间步的接触网络动态调整当前时间步所对应的传染病动力学模型，得到下个时间步所对应的传染病动力学模型，确定下个时间步的感染者的接触者及其轨迹数据，以解决现有模型无法精确模拟出感染者以及接触者的活动空间的问题。
-
公开(公告)号：CN117011299A
公开(公告)日：2023-11-07
申请号：CN202311280774.X
申请日：2023-10-07
申请人： 华侨大学
摘要： 本发明公开了一种融合图重采样和梯度特征的参考点云质量评估方法及系统，涉及图像处理领域，方法包括：使用基于图的关键点重采样方法，对输入的参考点云进行关键点提取；以关键点为中心划分参考点云和失真点云的局部邻域组，根据关键点与其他点在坐标空间中的欧几里德距离来聚类每个局部区域内的点；分别提取参考点云和失真点云的三维梯度幅值特征和三维梯度方向图特征，基于三维梯度幅值特征计算三维梯度幅值相似度，基于三维梯度方向图特征计算三维梯度方向图相似度，并计算出联合三维梯度特征相似度；基于联合三维梯度特征相似度，使用响应强度值进行加权池化，得到失真点云的客观质量分数。本发明具有较高的识别准确性、敏感性以及鲁棒性。
-
公开(公告)号：CN117476250B
公开(公告)日：2024-03-12
申请号：CN202311764347.9
申请日：2023-12-21
申请人： 华侨大学
摘要： 本发明公开了一种基于多目标跟踪的流行病调查预测方法、装置及可读介质，涉及图像处理领域，包括：获取目标场景区域的视频数据并进行目标检测以及目标跟踪，得到多目标跟踪结果；基于多目标跟踪结果构建目标场景区域中出现的人员在每个时间步所对应的接触网络；构建当前时间步所对应的传染病动力学模型，若存在感染者，则获取感染者在下个时间步的轨迹数据，根据感染者在下个时间步的轨迹数据和下个时间步的接触网络动态调整当前时间步所对应的传染病动力学模型，得到下个时间步所对应的传染病动力学模型，确定下个时间步的感染者的接触者及其轨迹数据，以解决现有模型无法精确模拟出感染者以及接触者的活动空间的问题。
-
-
-
-
-
-
-
-
-
搜索结果
17 条记录 (耗时 0.021 秒)
