一种新的胎心率信号压缩方法——卷积编解码网络

为减少物联网系统中数据传输和存储的能量损失,提高胎心率数据的传输效率,实现胎儿的实时监控,本文使用卷积编解码器网络(CC-Net)压缩数据。网络有两个模块:编码和解码,在编码模块中,原始数据被压缩;在解码模块中,压缩数据被重建。然后,通过使用原始信号和重建信号的均方误差来连续更新内部参数,以使误差最小。最后,在编码模块中获得有效的压缩数据。在本研究中,该方法对胎儿心率信号的压缩率达到了12.07%,重构信号与原始信号之间的误差为0.03。本研究提出的卷积编解码器网络(CC-Net)可以实现非常低的胎儿心率压缩率,并且可以确保重建的信号与原始信号非常相似,表明压缩方法是有效的,并且保留了胎儿心率信号的重要信息。

NTV-2000EN/DE网络视频编解码器

NTV-2000EN／DE基于国际流行的MPEG-2视频解码技术，支持IS013818-2TS流多路分解。产品采用嵌入式技术设计和专用的压缩芯片，画质清晰支持多种图像格式，图像帧率PAL制25帧／秒，NTSC制30帧／秒。而且，支持多种传输速率，可传送图像、数据和立体声语音信号，图像延时低，小于400ms，用户可以根据需要实时改变图像传输速率。

融合高阶信息的遥感影像建筑物自动提取

针对遥感影像中建筑物目标与背景环境区分度低而造成的提取效果较差的问题,本文提出了融合高阶信息的编解码网络方法以改善建筑物自动提取的精度。首先,针对遥感影像建筑提取任务,使用深度编解码网络完成对建筑物目标的低阶语义特征提取;其次,使用多项式核完成对深度网络中间特征图的高阶描述,以提升网络对于模糊特征的辨识能力;最后,将低阶特征与高阶特征级联后,送入编解码网络的末端,得到对建筑物的分割结果。在Massachusetts Buildings数据集上进行试验,其召回率、准确率和F1-score指标分别达到了85.1%,77.5%和80.9%,综合指标F1-score相比于基础深度编解码网络提升约4%。本文所提方法改进了编解码器网络对于遥感影像建筑物自动提取任务的表现性能,能够更加精确地提取与背景区分度较低的建筑物目标,具有良好的实用价值。

基于单张图像的相机位姿预测算法研究

本文提出了一种可以通过单张图像进行相机位置和姿态预测的算法。本文首先将拍摄到的彩色图像进行标准化和随机裁剪,以消除特征维度不匹配的现象,并实现数据增强;然后将预处理过的数据送入提出的定位网络进行训练,通过编码器将数据编码提取高维特征,再经过解码器和跳跃连接恢复空间信息;最后通过预测器预测出对应的相机位姿。我们通过在公开数据集上对本文算法进行测试,发现预测出的相机位姿精度有较大提高。