-
题名基于预测划分卷积神经网络的全景视频快速编码算法
被引量：1
- 1
-
-
作者
向海
陈芬
秦裔清
李旭
彭宗举
-
机构
重庆理工大学电气与电子工程学院
-
出处
《计算机应用研究》
北大核心
2025年第6期1915-1920,共6页
-
基金
国家自然科学基金资助项目(62371081)
重庆市自然科学基金资助项目(cstc2021jcyj-msxmX0411,CSTB2022NSCQ-MSX0873)
+1 种基金
重庆理工大学科研创新团队资助项目(2023TDZ003)
重庆理工大学校级联合资助项目(gzlcx20243086)。
-
文摘
为解决基于多功能视频编码(versatile video coding,VVC)的等距柱状投影(equirectangular projection,ERP)全景视频编码复杂度过高的问题,提出了基于预测划分卷积神经网络(predictive partition convolutional neural network,PP-CNN)的CU快速划分算法。首先,分析ERP全景视频的CU在不同纬度区域的划分特性,并将纬度特征引入到算法中。其次,建立了具有纬度和量化参数特性的全景数据集。然后,设计了轻量化的PP-CNN模型预测CU的边缘划分信息。接下来,根据PP-CNN模型输出开发了双阈值的CU快速划分决策方案以去除冗余的划分模式。最后,根据编码场景的需要设计了快速、均衡和性能三种决策模式。经过大量实验结果证明,在全帧内编码配置下,与官方测试平台VTM-14.0-360lib13.1相比,所提算法能够平均缩短39.31%~61.95%的编码时间,BDBR仅增加0.37%~1.43%,这表明该算法能够在保障编码性能的前提下实现更快的编码速度。
-
关键词
ERP全景视频
纬度
CU划分
pp-cnn
-
Keywords
ERP 360-degree video
latitude
CU partition
pp-cnn
-
分类号
TP919.81
[自动化与计算机技术]
-
-
题名恶劣环境下的道路目标检测算法研究
- 2
-
-
作者
黄子甜
兰康睿
郑泊文
陆华才
-
机构
安徽工程大学电气传动与控制安徽省重点实验室
-
出处
《电子测量与仪器学报》
北大核心
2025年第10期269-277,共9页
-
文摘
在智能交通系统和安防监控等领域中,目标检测技术的准确性至关重要。然而,除常规交通环境外,雨雪等特殊天气条件严重制约着目标检测的精度。雨雪天气致使图像模糊不清,极大地增加了行人、车辆等目标的特征提取难度,导致检测结果误差较大,影响相关系统的有效运行。为攻克这一难题,以YOLOv7算法为基础,深入研究并提出了一种适用于雨雪等特殊天气的目标检测优化方法。首先,引入广泛应用的暗通道去雾算法和基于引导滤波的去雨雪算法,对受雨雪雾影响的图像进行预处理,有效消除天气因素造成的图像降质,恢复图像清晰细节。其次,将DIP模块与CNN-PP模块相结合,通过弱监督学习方式,进一步挖掘图像中的目标特征,增强算法对复杂天气下目标的识别能力。大量实验结果表明,改进后的算法在检测精度方面表现卓越。相较于YOLOv5算法,其检测精度提升了23.7%;与原YOLOv7算法相比,也实现了11.9%的显著增长。这充分证明了所提方法在特殊天气目标检测场景中的有效性和优越性,为智能交通、安防监控等领域在恶劣天气下的稳定运行提供了可靠的技术支持,具有重要的实际应用价值和广阔的发展前景。
-
关键词
YOLOv7
去雨雪雾操作
DIP
CNN-PP
-
Keywords
YOLOv7
remove rain and snow fog operation
DIP
CNN-PP
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TN98
[电子电信—信息与通信工程]
-
