有噪声标注情况下的中医舌色分类方法

舌色是中医(TCM)望诊最关注的诊察特征之一,自动准确的舌色分类是舌诊客观化研究的重要内容。由于不同类别舌色之间的视觉界限存在模糊性以及医生标注者的主观性等,标注的舌象数据中常含有噪声,影响舌色分类模型的训练。为此,该文提出一种有噪声标注情况下的中医舌色分类方法：首先,提出一种两阶段的数据清洗方法,对含有噪声的标注样本进行识别,并进行清洗;其次,设计一种基于通道注意力机制的轻型卷积神经网络,通过增强特征的表达能力,实现舌色的准确分类;最后,提出一种带有噪声样本过滤机制的知识蒸馏策略,该策略中加入了由教师网络主导的噪声样本过滤机制,进一步剔除噪声样本,同时利用教师网络指导轻型卷积神经网络的训练,提升了分类性能。在自建的中医舌色分类数据集上的实验结果表明,该文提出的舌色分类方法能以较低的计算复杂度,显著提升分类的准确率,达到了93.88%。     

一种基于PID控制器的H.264比特率转码方案

本文基于PID控制器提出了一种高效的H.264比特率转码方案.该方案采用简化的像素域级联转码结构,在保证视频重建质量的同时降低了运算的复杂度,然后在图像层引入PID控制器保证了输出比特率与目标比特率一致.实验结果表明:本文提出的比特率转码方案具有较高的比特率转换精度,是一种高效的比特率转码方案.     

一种高效的运动补偿三维小波视频编码方案

该文提出了一种高效的运动补偿三维小波视频编码方案。该方案采用运动补偿时域分析技术,以有效去除视频序列中存在的时间冗余。然后,基于视频序列的运动特征,自适应确定帧组结构,在提高编码效率的同时降低内存需求和运算复杂度。最后,根据小波图像系数特性,采用基于四叉树分裂的小波图像编码方法对三维时/空子带进行编码,以获得更高的压缩效率。实验结果表明,与其它运动补偿三维小波视频编码方法相比,该文提出的编码方案能够获得更好的性能。     

基于感兴趣区的图像编码与渐进传输

本文采用一种任意形状的整型或非整型小波变换,结合高效的SPIHT(Set Partitioning In Hierarchical Trees)图像编码算法,分别实现了任意形状感兴趣区的无损压缩和非感兴趣的有损压缩算法.另外本文还提出了两种感兴趣区优先编码策略,可以保证在极低的码率下感兴趣区的重建质量远远好于非感兴趣区的重建质量,满足用户快速、个性化的浏览需求.这些方法得到的压缩码流都具有嵌入的特点,支持渐进传输.     

全景视频QoE评价研究进展

随着5G移动通信技术、高性能计算、传感技术的不断进步,全景视频受到了越来越多的关注。全景视频通过头戴显示设备,可以为用户提供远超于平面视频的逼真的立体视觉感知,具有良好的发展前景。为用户提供良好的体验质量(Quality of Experience,QoE)是视频服务提供商吸引和留住用户,在激烈的市场竞争中取得成功的关键。与平面视频相比,全景视频的数据量倍增,对视频数据的采集、编码、传输和存储均提出了更高的要求。因此,如何在网络传输带宽、存储资源有限的情况下,保证用户的QoE就成为工业界和学术界共同关注的研究热点问题。本文对全景视频QoE评价进行了综述,首先对全景视频在采集、拼接、投影、编码、传输、解码、反投影、渲染等各个环节可能存在的失真进行分析,总结归纳了用户QoE的各种影响因素,如人的因素、系统因素、情境上下文和视频内容特性等;在此基础上,从影响因素和建模方法等多个方面归纳了全景视频QoE评价模型的研究进展,及其在码率自适应、资源优化分配和码率控制等方面的应用情况;最后,介绍了具有代表性的全景视频QoE评价数据集以及常见的QoE模型性能评价准则,并探讨了QoE评价模型目前存在的问...     

视频流技术及其应用

视频流是在因特网上进行视频信息传送的主流方式，从视频流的原理，传输框架出发，系统讨论了视频流的关键技术，并讨论了视频流的应用领域和前景。     

面向P2P的视频流实时传输技术研究进展

首先介绍了P2P网络的基本体系结构,然后介绍了面向P2P的视频流传输中的QoS保证问题,最后讨论了对P2P网络中的视频流内容进行监管所存在的问题。     

基于H.264标准的无线局域网视频传输系统实现方案

近年来,无线移动终端PDA(personal digital assistant)以其体积小、重量轻、功能完善等诸多特点在移动办公领域发挥了重要作用,而新一代视频编码标准H.264标准的提出又为无线信道等环境下的视频传输提供了更多技术保证.根据H.264编码标准的特点和PDA平台的基本特性,提出了一种无线局域网环境下的视频传输系统方案,该方案采用H.264作为视频编码方法,PDA作为移动终端,RTP/UDP/IP作为网络传输协议,并在此基础上构建了系统的演示平台.测试结果表明,该系统可以在无线局域网环境下实现视频的实时传输,显示帧率10帧/s以上(CIF格式).     

基于ResNet50和通道注意力机制的行人多属性协同识别方法

针对目前行人多属性识别算法识别精度不高的问题,利用行人属性之间的内在关联关系,基于“特征提取+回归”的思想,提出了一种基于深度卷积神经网络的行人多属性协同识别方法。该方法首先对多个行人属性标签进行组合编码,得到一个标签组合向量;然后采用基于通道注意力机制的ResNet50作为主干网络提取行人图像的深度特征;最后,设计了一个包含3个全连接层的神经网络结构来建立标签组合向量与行人深度特征之间的映射模型,在一个统一的网络框架下就可以同时对行人的多种属性进行准确识别。在行人属性公共数据集PETA和RAP上的实验结果表明,采用提出的识别方法在公共数据集PETA上获得的识别准确率为84.08%,而在公共数据集RAP上可以获得高达88.12%的识别准确率。     

基于可变形卷积和自适应二维位置编码的鲁棒车牌识别方法

车牌识别是智能交通系统中的关键步骤,为提高在非可控和复杂场景下车牌的识别精度,提出了一种鲁棒车牌识别方法,该方法主要包括车牌检测和车牌字符识别2个核心部分。首先,采用YOLOv5网络实现车牌的检测;其次,基于递归卷积神经网络框架,提出了一种基于可变形卷积和自适应二维位置编码(A2DPE)的车牌字符识别方法。该方法针对车牌大小、倾斜角度和光照条件等动态变化的特点,采用了可变形卷积来更好地提取车牌字符的特征,并引入了A2DPE模块,根据输入自适应地获取车牌字符位置编码信息。最后,利用双向长短期记忆网络进行车牌字符的识别,无须分割车牌字符,可以实现不同长度车牌字符的准确识别。在自建数据集LPdata与公开数据集CLPD上的实验结果表明,与现有方法相比,该方法能够以较低的模型复杂度达到较高的准确率。