返回项目页面
对比文件列表

暂无对比文件

请从左侧选择对比文件查看内容

权利要求与技术特征

F 其中所述神经网络被配置为基于所述图像数据块
G 和与所述图像数据块相邻的因果像素来确定所述分区边界概率。

H 其中所述神经网络被配置为进一步基于指示所述图像数据块的邻近块如何被分区的信息来确定所述分区边界概率。

I 其中基于所述神经网络确定的所述分区边界概率包括指示所述多个潜在边界是要沿着其划分所述图像数据块的实际边界的所述相应概率的相应概率分数。

J 其中通过将所述分区边界概率中的每一个的所述相应概率分数与一个或多个阈值进行比较
K 以确定是否沿着对应于所述分区边界概率的潜在边界分割所述图像数据块
L 来确定所述分区概率的集合。

M 其中所述量化参数用于确定所述一个或多个阈值。

N 其中所述一个或多个阈值取决于树深度。

O 其中所述一个或多个阈值取决于所述图像数据块的块尺寸
P 和块形状。

Q 其中，按矩形形状存储所述一个或多个阈值
R 而与所述图像数据块的方向朝向无关。

S 其中所述一个或多个阈值取决于与所述图像数据块相关联的条带类型。

T 其中所述一个或多个阈值取决于与所述图像数据块相关联的随机访问模式
U 和低延迟模式下的时间级别。

V 其中所述神经网络包括卷积神经网络。

W 其中所述因果像素和所述图像数据块属于同一帧
X 者所述因果像素包括在所述图像数据块所属的帧的解码邻居中。
Powered by Django

网站备案号：渝ICP备2023012882号


重庆市非显而易见网络科技有限责任公司 A Anti NPE NPE