本发明公开了一种基于球面几何感知的全景视频显著性预测方法及视频压缩方法，包括：将每个视频帧通过自适应球面分块投影机制转换为球面分块序列，获取每个球面分块的投影特征，结合球面分块的位置编码确定球面分块的嵌入向量；将所有球面分块的嵌入向量按空间顺序排列，得到分块嵌入特征张量，通过多个串联的空间Transformer块提取空间特征，将提取的空间特征按照时间步重塑，通过轻量化时序Transformer提取时空特征，经全景帧重建与全景赤道先验特征融合，得到多视频帧的单通道显著性图，将多视频帧的单通道显著性图逐帧整合为显著性视频，并基于显著性视频生成连续权重矩阵进行全景视频压缩。
📄 2026101803081
📂 H04N19_167
👤 南京信息工程大学
📅 2026-02-09
一种基于梯度提升决策树的印染定型机能耗分类预测方法，包括以下步骤：步骤1、采集印染订单、定型机的工艺参数和能耗等数据表；步骤2、对各数据表进行整理和数据预处理，得到预处理后的特征数据集；步骤3、构建定型机综合能耗模型，使用定型机综合能耗模型产生定型机能耗类别的预测值，结合能耗类别对预处理后的特征数据集进行选择，得到训练特征数据集；步骤4、使用梯度提升决策树分类预测模型对特征数据集进行训练，得到印染定型机能耗类别预测模型；步骤5、生成待预测印染订单的特征数据，使用预测模型进行预测，得到定型机能耗类别。本发明使用梯度提升决策树算法预测印染定型机的能耗类别，具有较高的准确性。
📄 2019113755727
📂 G06F18_243
👤 浙江工业大学
📅 2019-12-27
本发明涉及一种基于梯度增强决策树的上下位词关系识别方法，本发明将上述问题建模为一个两类任务，以确定一个实体对是否为上下位实体关系。为了训练分类模型，输入是实体对及其路径信息，输出是1(对于上下关系)或0(对于没有上下关系)。通过联合训练两个分类器，得到了一个基于正分类结果的高置信度推荐集。该模型通过不断迭代高置信度集来快速适应无标记语料库文本的规则模式。本发明可更好的挖掘电商域的上下位词关系。
📄 2019110866200
📂 G06F16_33
👤 浙江工业大学
📅 2019-11-08
基于自适应分块压缩感知的视频压缩方法，包含视频图像自适应分块方法和各种图像块分类并分配采样率方法两个部分。视频图像自适应分块方法，以参考帧图像相邻像素间的灰度差值作为块大小分割的依据，设定分块阈值T，通过当前区域块相邻像素灰度平均差值与阈值的比较，利用四叉树算法进行视频图像自适应块大小的划分，有效分离平坦区域和细节、边缘区域。在自适应分块的基础上，把视频像素DCT系数的帧间差值作为块分类的依据，将大小不一的各种图像块分成快速变化块、过渡块和缓慢变化块3种类型，并对不同类型的图像块分配合适的采样率。本发明视频重构质量好，重构时间短，在相同条件下两者均优于视频均匀分块压缩感知处理的方法。
📄 2017100809518
📂 H04N19_176
👤 浙江工业大学
📅 2017-02-15
本发明公开了基于梯度增强决策树预测环状RNA与疾病相关性的方法，通过将环状RNA‑疾病关系网络转化为无向图、计算环状RNA碱基序列相似性、功能注释语义相似性以及表达相似性，计算疾病功能以及语义相似性，采用多网络融合算法整合多种环状RNA相似性网络以及加权平均整合疾病相似性网络，提取融合后的环状RNA和疾病相似性网络以及环状RNA‑疾病关系网络的统计学特征，将融合后的环状RNA和疾病相似性网络转换成无权图的图相关特征，环状RNA碱基序列特征以及环状RNA‑疾病关系网络隐式向量特征，训练梯度增强决策树学习机，预测潜在环状RNA‑疾病关系。本发明方法能准确地预测出潜在环状RNA‑疾病关系；且提高了环状RNA‑疾病关系的预测准确率。
📄 2019107118702
📂 G16B15_30
👤 陕西师范大学
📅 2019-08-02
本发明公开了一种基于决策树的EFSM测试用例排序方法，包括如下步骤：(1)提取EFSM的测试用例集中每条测试用例的标签值；(2)提取EFSM的测试用例集中每条测试用例的特征值；(3)训练针对该EFSM的测试用例排序模型；(4)提取新测试用例集的特征值信息，得到测试数据；(5)将测试数据输入到已训练好的测试用例排序模型中，得到排序结果。本发明通过提取测试用例的标签值和特征值，构建训练数据集，并利用决策树算法训练测试用例排序模型。实验研究以5个EFSM作为实验对象，将新方法和已有的7个简单启发式排序算法进行对比。结果表明，本发明方法相比于已有的简单启发式排序算法在APFD值上有明显提升。
📄 2021105505055
📂 G06F11_36
👤 浙江理工大学
📅 2021-05-20
本发明公开了一种基于人工智能的危险区域监控视频压缩存储方法和系统。方法包括：将危险区域的监控视频图像序列堆叠后输入至压缩网络，得到监控视频信息的特征图作为压缩数据。在压缩网络损失函数的监督下，训练出可以高度关注人员位置信息、轨迹信息的危险区域监控视频序列的压缩网络。相较于现有技术，该压缩存储方法可达到令人满意的压缩存储效果：尽可能不丢失重要人员信息，保证对存储特征图解压缩后有较高的还原度。
📄 2021110586851
📂 H04N19_146
👤 南通优元美术图案设计有限公司
📅 2021-09-10
一种基于自编码器与决策树的图像分类方法与系统，该方法包括：采集图像样本数据，转换图像样本为像素信息矩阵/向量；利用自编码器网络模型，学习图像样本的表征信息，使用编码器压缩并提取图像样本的低维特征信息；在迭代求解自编码器网络最优权重参数的过程中更新每个样本对应的最近邻数值；基于训练好的自编码器网络模型中提取的低维样本特征信息，结合迭代获取的样本最近邻数值作为对应的样本标签构建决策树模型；利用自编码器获得新样本的低维特征信息并输入决策树获得最近邻数值，在训练集中寻找最近邻领域，将最近邻领域中数量最多的类别作为预测结果。本发明可以得到目标的低维特征信息，并预测样本的类别，预测结果具有可解释性。
📄 2023100708300
📂 G06V10_764
👤 华东交通大学
📅 2023-02-07
本发明公开了一种基于自注意力机制的端到端视频压缩方法及系统，涉及视频编码领域，方法包括：提取当前帧、运动参考帧和上一时刻的重构帧的浅层特征；提取当前帧和运动参考帧之间的运动信息特征；压缩运动信息特征，获得压缩后的运动信息特征；将压缩后的运动信息特征补偿在上一时刻的重构帧的浅层特征上，获得当前时刻的上下文信息特征；压缩获得压缩后的上下文信息特征；将压缩后的上下文信息特征和当前帧的浅层特征融合特征进行编码，获得当前时刻的重构帧；对当前时刻的重构帧进行上采样，获得压缩视点图像；对压缩视点图像中的运动信息累积误差进行修正，得到下一帧的运动参考帧。本发明能够在提高运动估计的准确性的同时提升了编码的效率。
📄 2024118378460
📂 H04N19_53
👤 华侨大学
📅 2024-12-13
本发明公开了基于预训练模型与决策树的增量式论文同名作者消歧方法，属于神经网络与作者同名消歧技术领域，所述方法利用人工定义特征与XLNet提取特征相结合的特征提取，首先使用人工定义特征提取论文中作者名称、机构等字段的信息，使用XLNet提取论文标题、摘要等字段的信息，之后利用XGBoost与提取出的特征来预测每篇论文应该归属的正确作者，对于该步未能分配出的论文进行凝聚式聚类的后处理，获取主聚类作为新的作者论文集，预测结果使用准确率、召回率以及F1值。本发明能够对论文的信息进行更加充分地提取，具有较强的可解释性，具有较强的鲁棒性，在处理噪点较多以及论文信息较为齐全的数据上有较优秀的表现。
📄 2022109066494
📂 G06F16_355
👤 燕山大学
📅 2022-07-29
本发明公开了一种基于深度学习的双目视频压缩方法、装置及可读介质，涉及视频处理领域，包括：构建双目视频压缩模型并训练，得到经训练的双目视频压缩模型，分别获取待压缩的双目视频中的左视点的当前时刻的原始帧和前一时刻的原始帧以及右视点的当前时刻的原始帧和前一时刻的原始帧并输入到经训练的双目视频压缩模型，通过迭代的方式重构得到左视点的重建帧序列和右视点的重建帧序列，并得到压缩后的双目视频。本发明解决了现有的双目视频的视点间的冗余利用率低、压缩性能低的问题。
📄 202411716269X
📂 H04N19_172
👤 华侨大学
📅 2024-11-27
本发明涉及视频压缩技术领域，公开了一种基于上下文的双目视频压缩方法，采用两个相同的通道分别逐帧处理左右视点的帧序列，得到左右视点的重建帧序列，组合成为压缩后的双目视频。两个通道均包括上下文生成单元和视频重建单元，上下文生成单元接收当前帧、运动参考帧和视差参考帧，得到最终上下文信息；视频重建单元接收当前帧和当前帧的最终上下文信息，获得重建帧；通过迭代的方式重建帧序列中的每一帧；左右视点的运动参考帧均为该视点上一时刻的重构帧，左视点的视差参考帧为右视点当前时刻的重构帧，右视点的视差参考帧为左视点当前时刻的运动上下文信息。本发明能够在保证视频质量的前提下，提高双目视频的压缩比。
📄 2025105505405
📂 H04N19_172
👤 华侨大学
📅 2025-04-29
柿子坊 · 知识产权运营
柿子坊知识产权运营平台