龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：复旦大学
摘要：本发明属于视频处理技术领域，具体为一种基于自监督学习的显微镜视频插帧方法。本发明方法包括：首先，采用自监督训练策略训练深度学习模型，从有噪声的显微镜视频中学习视频插帧；其次，引入基于选择性状态空间模型的时空特征对齐模块，高效进行视频插帧；最后，模拟数据集评估显微镜视频插帧任务，该数据集包含不同对象和噪声水平。实验结果表明，本模型在视频插帧性能上具有显著的优势，而且处理内存消耗只有之前的四分之一，具有很高实用价值。
主权项：1.一种基于自监督学习的显微镜视频插帧方法，其特征在于，具体步骤如下：1通过视频采集设备获取生物成像过程中产生的含有各种噪声和低帧率的视频帧，使用特征提取模块对获取的视频帧进行特征提取，并用特征插值模块进行插值，得到含有噪声的视频帧；2使用基于选择性状态空间模型的时空特征对齐模块，对输入的含有噪声的视频帧进行特征对齐处理；该时空特征对齐模块通过动态调整模型关注的区域和维度，精确处理视频中的时空特征，优化帧间信息的整合，提升视频帧的质量；3使用帧合成模块将经过特征对齐和信息整合后的视频数据重新构成视频帧，输出为高帧率和低噪声的清晰视频；4使用噪声鲁棒的损失函数训练视频插帧模型，视频插帧模型包含特征提取模块，特征插值模块，时空特征对齐模块和帧合成模块；其中，利用视频中相邻帧之间的时间连续性和内在相关性，自动学习视频帧之间的变换和插帧细节，从而训练出能够从噪声帧中插帧出清晰帧的模型；5使用数据模拟方法来评估插帧任务的性能，该数据包含具有不同运动模式的生物对象，以及不同噪声水平的设置，用于模拟实际生物成像中遇到的复杂情况。
全文数据：
权利要求：
百度查询： 复旦大学 一种基于自监督学习的显微镜视频插帧方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号