System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开一般涉及被配置到管理电子图像处理的专用机器的的机器以及对这种变体的改进机器,并且涉及与用于管理异步实时图像序列处理的其他专用机器相比,使这种专用机器得到了改进的技术。
技术介绍
1、计算机可以使用复杂的计算机视觉(cv)方案(例如卷积神经网络)来执行图像处理。cv方案可能需要密集的计算,并且通常需要强大的处理器和大量的存储器。
2、在移动装置上执行cv方案通常是不切实际的,因为移动装置的计算资源有限的,这会导致较长的处理时间。更有甚者,使用移动设备实时(例如,每秒30帧)应用密集cv方案当前是非常困难的,如果不是不可能的话。
技术实现思路
【技术保护点】
1.一种方法,包括:
2.根据权利要求1所述的方法,其中,所述先前帧与所述当前帧被所述视频序列中的多个其他帧分开。
3.根据权利要求1所述的方法,其中,所述第二流水线是与所述第一流水线异步的。
4.根据权利要求3所述的方法,其中,所述第一流水线与所述第二流水线被实现在所述设备的所述一个或多个处理器的不同线程上。
5.根据权利要求1所述的方法,其中,所述机器学习方案被训练以应用图像操纵功能,并且其中所述已修改的先前帧展现所述图像操纵。
6.根据权利要求5所述的方法,其中,应用所述映射近似在所述已修改的先前帧中的所述图像操纵。
7.根据权利要求1所述的方法,其中,所述映射是描述在所述视频序列中的图像特征变化的流图。
8.根据权利要求1所述的方法,进一步包括:
9.根据权利要求8所述的方法,其中,所述已修改的视频序列整理所述已修改的先前帧和所述已修改的当前帧。
10.根据权利要求1所述的方法,其中,所述机器学习方案是卷积神经网络。
11.根据权利要求10所述的方法,其
12.根据权利要求1所述的方法,其中,所述视频序列由所述设备的图像传感器生成。
13.一种系统,包括:
14.根据权利要求13所述的系统,其中,所述先前帧与所述当前帧被所述视频序列中的多个其他帧分开。
15.根据权利要求13所述的系统,其中,所述第二流水线是与所述第一流水线异步的。
16.根据权利要求15所述的系统,其中,所述第一流水线与所述第二流水线被实现在所述机器的所述一个或多个处理器的不同线程上。
17.根据权利要求13所述的系统,其中,所述机器学习方案被训练以应用图像操纵功能,并且其中所述已修改的先前帧展现所述图像操纵。
18.根据权利要求17所述的系统,其中,应用所述映射近似在所述已修改的先前帧中的所述图像操纵。
19.根据权利要求13所述的系统,其中,所述映射描述在所述视频序列中的图像特征变化。
20.一种非暂时性机器可读介质,其具体化指令,所述指令在由机器执行时使所述机器执行包括以下的操作:
...【技术特征摘要】
1.一种方法,包括:
2.根据权利要求1所述的方法,其中,所述先前帧与所述当前帧被所述视频序列中的多个其他帧分开。
3.根据权利要求1所述的方法,其中,所述第二流水线是与所述第一流水线异步的。
4.根据权利要求3所述的方法,其中,所述第一流水线与所述第二流水线被实现在所述设备的所述一个或多个处理器的不同线程上。
5.根据权利要求1所述的方法,其中,所述机器学习方案被训练以应用图像操纵功能,并且其中所述已修改的先前帧展现所述图像操纵。
6.根据权利要求5所述的方法,其中,应用所述映射近似在所述已修改的先前帧中的所述图像操纵。
7.根据权利要求1所述的方法,其中,所述映射是描述在所述视频序列中的图像特征变化的流图。
8.根据权利要求1所述的方法,进一步包括:
9.根据权利要求8所述的方法,其中,所述已修改的视频序列整理所述已修改的先前帧和所述已修改的当前帧。
10.根据权利要求1所述的方法,其中,所述机器学习方案是卷积神经网络。
11.根据权利要求10...
【专利技术属性】
技术研发人员:S·E·黑尔,F·波利亚科夫,王国晖,X·熊,杨建朝,杨林杰,S·T·阿尼尔库马尔,
申请(专利权)人:斯纳普公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。