分析了目前H.264/AVC已有的非规则运动分块方法的优缺点,根据高效率视频编码(High Efficiency Video Coding,缩写HEVC)标准,提出了三角形的帧间预测单元(Prediction Unit-PU)运动分块,相比常规的PU运动分块,它的斜边更适合一些场景中有...分析了目前H.264/AVC已有的非规则运动分块方法的优缺点,根据高效率视频编码(High Efficiency Video Coding,缩写HEVC)标准,提出了三角形的帧间预测单元(Prediction Unit-PU)运动分块,相比常规的PU运动分块,它的斜边更适合一些场景中有着斜边的运动对象,从而提高编码效率。根据该三角形的运动分块形状,提出三角形PU运动分块的运动向量预测方法和运动估计方法。通过分析斜边将产生的块效应方向,相应地提出了优化HEVC滤波方法。实验结果显示,相比已有的非规则运动分块的编码方法,在编码时间平均上升23%的前提下,本算法在BD-rate方面平均降低了2.1%。展开更多
针对中文复杂句式语法特征,本文提出一种基于多特征注意力-双向门控循环单元(Bidirectional Gated Recurrent Unit At tent ion,BiGRU-ATT)的中文关系抽取模型。首先利用语言技术平台(Language Technology Plantform,LTP)语言工具获取...针对中文复杂句式语法特征,本文提出一种基于多特征注意力-双向门控循环单元(Bidirectional Gated Recurrent Unit At tent ion,BiGRU-ATT)的中文关系抽取模型。首先利用语言技术平台(Language Technology Plantform,LTP)语言工具获取句式语法等特征和核心谓词;其次,通过BiGRU进行深层编码得到包含多种特征的句子编码矩阵;最后,引入注意力机制并将核心谓词作为注意力导向得到句子表示向量,进而通过Softmax预测关系。实验表明,该模型的F_(1)值为85.5%,相比注意力-双向长短期记忆网络(Bidirect ional Long Short-Term Memory At tent ion,BLSTM-ATT)、双向循环神经网络(Bidirect ional Recurrent Neural Network,BRNN)、卷积神经网络(Convolutional Neural Networks,CNN)模型的F_(1)值有较大提升。展开更多
文摘分析了目前H.264/AVC已有的非规则运动分块方法的优缺点,根据高效率视频编码(High Efficiency Video Coding,缩写HEVC)标准,提出了三角形的帧间预测单元(Prediction Unit-PU)运动分块,相比常规的PU运动分块,它的斜边更适合一些场景中有着斜边的运动对象,从而提高编码效率。根据该三角形的运动分块形状,提出三角形PU运动分块的运动向量预测方法和运动估计方法。通过分析斜边将产生的块效应方向,相应地提出了优化HEVC滤波方法。实验结果显示,相比已有的非规则运动分块的编码方法,在编码时间平均上升23%的前提下,本算法在BD-rate方面平均降低了2.1%。
