搜索资源列表
SVAC标准介绍
- 支持高精度视频数据,在高动态范围场景提供更多图像细节 支持先进编码工具,在获得更好图像质量的同时获得更高编码效率 支持感兴趣区域(ROI)变质量编码,在网络带宽或存储空间有限的情况下,提供更符 合监控需要的高质量视频编码 支持可伸缩视频编码(SVC),满足不同传输网络带宽和数据存储环境的需求 u 支持代数码书激励线性预测(ACELP)和变换音频编码(TAC)切换的双核音频编码, 保证对语音和环境(背景)声音均有较好的编码效果 支持声音识别特征参数编码,避免编码失真对语音识别和声
DeepLearningforPassiveSyntheticApertureRadar
- 通过大量的数值模拟,我们的深度学习为基础的方法优于传统的稀疏编码方法在计算方面和重建图像质量,特别是当没有对发射机的信息是可用的。(our deep learning based method is better than the traditional method in calculation and the quality of image reconstruction, especially when no information is available on the transmit
结合双模多尺度 CNN 特征及自适应深度KELM 的浮选工况识别
- 针对可见光图像特征驱动的浮选工况识别方法的不足,提出一种基于双模态图像多尺度 CNN 特征及自适应深度自编码核极限学习机(Kernel Extreme Learning Machine,KELM)的浮选工况识别方法。先对泡沫的可见光、红外图像进行非下采样剪切波多尺度分解,设计双通道 CNN 网络对双模态多尺度图像进行特征提取及融合,将多个双隐层自编码极限学习机串联成深度学习网络对 CNN 特征逐层抽象提取,然后通过核极限学习机映射到更高维空间进行决策,最后改进量子细菌觅食算法并应用于深度自编码