-
公开(公告)号：CN118015382A
公开(公告)日：2024-05-10
申请号：CN202410312687.6
申请日：2024-03-19
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/74 , G06N3/0464 , G06N3/0455 , G06N3/0499 , G06N3/08
Abstract: 本发明涉及一种基于类间距离扩张的实例级小样本学习方法，属于图像处理技术领域。该方法为：S1：划分数据集，将小样本数据集划分为训练集、验证集和测试集，并在每个划分数据集内划分支持集和查询集；S2：构建网络模型，通过复杂的卷积神经网络提取图像特征；S3：通过基于实例的预训练让模型学习到可转移的分类能力，通过扩张损失在小样本训练阶段让不同类间距离扩张以获取清晰的类别边界；S4：将支持集和查询集图片输入训练好的网络提取特征，再经过距离度量函数判别每个查询图片对应的支持集类别。本发明能够缓解相似类在特征空间中的类别边界过于邻近导致误分类的情况。基于旋转角度分类的预训练帮助模型学习到更多可泛化知识。
-
公开(公告)号：CN111428689B
公开(公告)日：2022-07-01
申请号：CN202010313701.6
申请日：2020-04-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种多池化信息融合的人脸图像特征提取方法，属于数字图像处理技术领域。该方法为：数据预处理阶段：对于输入的人脸图像，首先利用人脸检测方法提取出含有较少背景信息的人脸，对该部分进行裁剪并重新调整裁剪图像尺寸；局部特征提取阶段：通过特征累加的形式，将全局最大池化特征与全局平均池化特征融合，得到增强的局部特征；全局特征提取阶段：通过特征连接的形式，将全局最大池化特征与全局平均池化特征融合，得到增强的全局特征；将得到的局部特征与全局特征以特征连接的方式融合，得到对人脸姿态变化鲁棒的增强特征。本发明结合全局特征信息与局部差异信息，使得融合后的特征信息能更好的表示任意姿态下人脸图像的身份特征。
-
公开(公告)号：CN110890143B
公开(公告)日：2022-03-08
申请号：CN201911148868.5
申请日：2019-11-21
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种引入空间信息的2D卷积方法，属于数字图像处理和模式识别领域，包括以下步骤：S1：数据准备阶段：从三维医学图像中截取一个64×64×64大小的图像切块；S2：特征提取阶段：通过2D卷积提取图像切块三个轴面的特征；S3：特征融合阶段：把三个轴面的特征图相加，实现不同轴面特征的融合，引入空间信息。本发明方法能够在2D卷积中引入空间信息，应用在2D神经网络中可以更好的帮助网络学习医学图像切片之间的空间信息。同时与其他在2D卷积中引入空间信息的方法相比本方法构建的模型拥有更小的参数，更高的精确度。最后，本方法可以简单的添加到现有的模型中，方便对模型进行改进。
-
公开(公告)号：CN112016489A
公开(公告)日：2020-12-01
申请号：CN202010911071.2
申请日：2020-09-02
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种保留全局信息并增强局部特征的行人再识别方法，包括以下步骤：S1：把原始行人图像的尺寸大小变更为384×128×3；S2：通过全局-分支和局部-分支分别提取行人的全局特征信息和局部特征信息；S3：融合引导模块把全局特征信息分别和每个局部特征信息融合：S4：将全局-分支和局部-分支的全局平均池化后的特征输入三元组损失函数进行度量学习，并将全局-分支、局部-分支和融合引导模块三个部分的特征输入交叉熵损失函数进行分类学习；S5：将全局-分支、局部-分支和融合引导模块三个部分的特征输入各自已训练的分类器中，输出行人再识别分类结果。本发明能够弱化行人图像中遮挡、图像模糊和行人未对齐的问题。
-
公开(公告)号：CN110866565A
公开(公告)日：2020-03-06
申请号：CN201911176738.2
申请日：2019-11-26
Applicant: 重庆邮电大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于卷积神经网络的多分支图像分类方法，属于图像处理领域，该方法包含如下步骤：S1：提取主干神经网络中的各个尺度的特征图；S2：对相邻的特征图相加形成多个分支并且每个分支设置单独的一个输出；S3：结合主干网络的输出，通过投票各个输出的结果得到一个辅助输出，最后选取所有输出中准确率最高的。最后，本发明方法能够准确的对图像分类，在各个数据库上都有较高的识别效果。
-
Patent Agency Ranking
公开(公告)号：CN109199392A
公开(公告)日：2019-01-15
申请号：CN201810903712.2
申请日：2018-08-09
Applicant: 重庆邮电大学
IPC: A61B5/107
Abstract: 本发明涉及一种婴幼儿足底图像数据采集和三维形状建模方法，属于数字图像处理和模式识别领域，该方法包含如下步骤：S1：根据采集装置采集标定图像；S2：利用3D传感摄像头采集幼儿足底RGB图像和深度图像；S3：利用标定图像计算出相机内参；S4：根据相机内参，利用RGB图像和深度图像信息形成点云数据，将像素从二维空间映射到三维空间。与已有的解决方案相比，本发明成本低，数据采集方便快速。本发明能够辅助医生诊断婴幼儿足底畸形，并生成婴幼儿足部三维模型为3D打印定制纠正鞋垫或鞋提供模型基础。
-
公开(公告)号：CN118052219A
公开(公告)日：2024-05-17
申请号：CN202311663858.1
申请日：2023-12-05
Applicant: 重庆邮电大学
IPC: G06F40/189 , G06F40/194 , G06F40/30 , G16H15/00 , G16H30/40 , G16H50/20
Abstract: 本发明公开了一种基于细粒度硬区域挖掘用于医学图像文本对齐的算法，与现有的跨模态单一匹配不同，本发明利用所有正区域来扩展跨模态对齐范围，使模型能够学习更鲁棒的图像表示。本发明还能够逐渐消除硬区域的模糊语义，并通过更多地关注硬区域的跨模态对齐来对更清晰划分的边界进行建模。此外，本发明通过消除报告中的语法差异来减轻图像文本对的早期对齐困难。综合实验证明了本发明在下游医学图像理解任务中的有效性和鲁棒性。
-
公开(公告)号：CN113312965B
公开(公告)日：2023-04-28
申请号：CN202110410718.8
申请日：2021-04-14
Applicant: 重庆邮电大学
IPC: G06V40/40 , G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于真实人脸特征的未知欺骗攻击检测方法及系统，属于人脸识别领域，包括输入人脸图像，对其进行预处理；将人脸图像输入到图像聚类模块网络，提取人脸图像的数据特征；通过提取的数据特征对人脸图像进行分类路由到四个图像聚类中，每个聚类中的人脸图像都具有相似的真实人脸特征缺失；由图像聚类分别对应的真实人脸特征分类网络提取人脸图像所具备的真实人脸特征图；通过提取得到的真实人脸特征图的完整性判断输入人脸图像是否为虚假人脸图像。本发明的方法能够有效检测未知欺骗攻击。同时，本发明在对网络完成训练后应用时计算成本较低，增加了相关产品的适用性。
-
公开(公告)号：CN113221655B
公开(公告)日：2022-09-30
申请号：CN202110391703.1
申请日：2021-04-12
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于特征空间约束的人脸欺骗检测方法，属于人脸识别领域，包括以下步骤：S1：对摄像头采集的训练集视频数据进行分帧采样；S2：对分帧采样的人脸数据进行预处理；S3：将预处理后的图像进行标签标注并输入到卷积神经网络进行特征提取；S4：对提取的特征进行空间约束；S5：进行模型训练，得到用于人脸欺骗检测的Soft‑max模型分类器；S6：采集测试集并对待测试的视频数据进行步骤S1和步骤S2的处理；S7：将测试集预处理的数据输入到训练好的Softmax模型分类器中判断数据的活体真假。本发明缓解了人脸欺骗检测中真假人脸数据之间的类间距离小，类内距离大的问题，进一步提升了人脸欺骗检测网络模型的泛化能力。
-
公开(公告)号：CN114399825A
公开(公告)日：2022-04-26
申请号：CN202210055607.4
申请日：2022-01-18
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于对称孪生网络的姿态鲁棒性人脸特征提取方法，属于图像处理技术领域。本发明考虑的是现有的深度模型对于侧脸的识别效果不及正脸的识别效果，存在对正脸数据的偏好，从而设计一种对称孪生网络平衡神经网络对侧脸的偏好。本发明通过挑选出侧脸数据，同时构建对称孪生网络，将侧脸数据和所有人脸数据分为两路同时训练网络来平衡神经网络对侧脸数据和近正脸图片偏好，克服训练集中近正脸的人脸图片数量远远多余侧脸图片对深度模型的影响，同时结合对比学习的思想，提取姿态鲁棒性特征。本发明能够提高深度模型对大姿态偏转的人脸识别效果，实现人脸识别中的姿态鲁棒性，促进了相关技术领域的发展。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.015 seconds)
