面向人脸语义编解码的人脸图像的质量评估方法和系统

    公开(公告)号:CN117292245A

    公开(公告)日:2023-12-26

    申请号:CN202310964759.0

    申请日:2023-08-02

    摘要: 本申请提供了一种面向人脸语义编解码的人脸图像的质量评估方法和系统,该方法应用于图像质量评估技术领域,该方法包括:解码端根据编码端发送的参考人脸图像和当前原始人脸图像的关键点,进行图像重建,生成当前重建人脸图像;解码端通过关键点检测模型获得当前重建人脸图像的关键点;解码端将当前重建人脸图像的关键点和当前原始人脸图像的关键点进行比较,得到当前重建人脸图像的人脸形状偏移指标值;解码端将当前重建人脸图像和参考人脸图像进行相似度比较,得到当前重建人脸图像的人脸身份偏移指标值;解码端基于人脸身份偏移指标值、人脸形状偏移指标值以及预设指标值,得到当前重建人脸图像的质量评估结果。

    一种知识图谱嵌入的权重感知性能评估方法

    公开(公告)号:CN118674023A

    公开(公告)日:2024-09-20

    申请号:CN202411170646.4

    申请日:2024-08-26

    IPC分类号: G06N5/02 G06F18/24

    摘要: 本申请提供了一种知识图谱嵌入的权重感知性能评估方法,具体涉及知识图谱链接预测评估技术领域,获取未受损加权三元组作为第一待测试三元组;将第一待测试三元组的头实体或尾实体删除,替换为实体字典中的每个实体,得到多个第一受损三元组或多个第二受损三元组;将第一待测试三元组、多个第一受损三元组和多个第二受损三元组作为测试集;利用测试集对权重感知链接预测模型的权重感知链接预测性能进行评估。通过将权重引入至权重相关模型中,充分利用三元组的权重感知和知识图嵌入模型的学习能力,提高了知识图嵌入模型编码的信息含量,使权重感知链接预测模型能更有效地学习知识图结构信息。

    一种基于脑电特征的图像质量评价方法及装置

    公开(公告)号:CN113554597B

    公开(公告)日:2024-02-02

    申请号:CN202110700519.0

    申请日:2021-06-23

    申请人: 清华大学

    摘要: 本申请提供了一种基于脑电特征的图像质量评价方法及装置,涉及图像领域、计算机领域和生物神经科学领域,旨在反映用户真实感知的情况下进行图像质量评价。所述方法包括:获取待评价图像;将所述待评价图像输入分数预测网络,获得由所述分数预测网络输出的图像质量分数;其中,所述分数预测网络是以多个第一图像样本为训练样本、并以所述每个第一图像样本的标签质量分数为标签,对预设分数预测网络进行训练得到的;其中,一个图像样本的标签质量分数为训练完成的标签分数网络针对该图像样本所输出的,所述标签分数网络的训练样本为多个(56)对比文件邓卉;陶晓明;陆建华.面向密集用户区域的无线网络重构体系架构.电信科学.2011,(第01期),全文.

    一种基于OAR模型与强化学习的辅助决策方法和装置

    公开(公告)号:CN117474077A

    公开(公告)日:2024-01-30

    申请号:CN202311824731.3

    申请日:2023-12-28

    申请人: 清华大学

    IPC分类号: G06N3/092

    摘要: 本公开提供了一种基于OAR模型与强化学习的辅助决策方法和装置,涉及强化学习技术领域,旨在准确预测出代理的动作概率分布。所述方法包括:获取每个代理观测到的各个目标的属性集合;对每个代理观测到的各个目标的属性集合进行图推理计算,得到每个代理的属性集合矩阵;获取关系邻接矩阵;将每个代理的属性集合矩阵和关系邻接矩阵进行推理计算,得到融合了全图信息的目标属性矩阵;从环境背景中提取背景特征,将背景特征附加到目标属性矩阵,得到每个代理在每一时刻观测到的OAR全局特征;利用循环神经网络对OAR全局特征进行处理,得到每个代理对应的融合了历史信息的目标OAR全局特征;基于目标OAR全局特征,确定代理的动作。

    基于目标-属性-关系的对抗场景语义分析方法以及装置

    公开(公告)号:CN114818734B

    公开(公告)日:2023-10-31

    申请号:CN202210573996.X

    申请日:2022-05-25

    IPC分类号: G06F40/30 G06N3/08

    摘要: 本申请提供一种基于目标‑属性‑关系的对抗场景语义分析方法以及装置,属于数据处理的领域。所述方法包括:对获取得到的待分析的对抗场景的初始数据进行预处理,得到标注在图数据结构中的三元组数据,将三元组数据输入预先训练好的分析模型中,以确定待分析的对抗场景的语义信息分析结果;分析模型包括设置有执行优先级的多个算符网络,多个算符网络分别用于分析不同类型的关系;任一算符网络的处理结果包括:在该算符网络对应的关系类型中,所有节点对各自的真实关系,以及真实关系的置信度与描述值;根据所有算符网络的处理结果更新后的图数据结构表征待分析的对抗场景的语义信息分析结果。本申请旨在旨在提高对抗场景分析结果的准确性。

    一种视频的压缩方法
    10.
    发明公开

    公开(公告)号:CN115619882A

    公开(公告)日:2023-01-17

    申请号:CN202211201356.2

    申请日:2022-09-29

    申请人: 清华大学

    发明人: 温力嘉 段一平

    IPC分类号: G06T9/00 G06T3/40

    摘要: 本申请提供了一种视频的压缩方法,涉及视频处理技术领域。所述方法包括:将视频输入视频压缩模型,得到所述视频的每个视频帧的OAR基元;对所述每个视频帧的OAR基元进行压缩重建,得到压缩后视频;获取所述视频压缩模型输出的所述压缩后视频。