-
公开(公告)号：CN105163130A
公开(公告)日：2015-12-16
申请号：CN201510527118.4
申请日：2015-08-25
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于离散Tchebichef正交多项式的图像无损压缩方法，属于数字图像压缩技术领域。本发明的编码及解码方法在进行二维正向/反向正交变换时，采用二维整数正向/反向离散Tchebichef正交多项式变换来替代现有技术所使用的其它整数变换方法，实现无损压缩，可以有效地解决编码器失配问题，实现无损编码，而且具有较高的压缩性能以及更好的可扩展性。本发明矩阵变换实现从整数映射到整数，且在原位之间计算，完好地重构图像，降低了硬件资源消耗，有利于硬件实现。
-
公开(公告)号：CN104915626A
公开(公告)日：2015-09-16
申请号：CN201410088084.9
申请日：2014-03-11
Applicant: 重庆邮电大学 , 腾讯科技(深圳)有限公司
IPC: G06K9/00
Abstract: 本发明公开了一种人脸识别方法及装置，用于提高人脸识别的准确率，该方法包括：确定待识别人脸图像中每个像素点的LTP自适应阈值特征值，每个像素点相应的自适应阈值由该像素点与邻域内各像素点灰度差值确定；根据LTP自适应阈值特征值确定正模式特征值以及负模式特征值；确定正模式特征脸及负模式特征脸，正模式特征脸由每个像素点正模式特征值组成，负模式特征脸由每个像素点负模式特征值组成；计算各特征脸的特征值直方图及每层特征脸的信息熵权重，利用信息熵权重将正、负模式特征脸的特征值直方图加权级联，获得增强直方图；计算待识别人脸图像的增强直方图与每个已知身份人脸图像的增强直方图的卡方距离，根据卡方距离确定识别结果。
-
公开(公告)号：CN102662325B
公开(公告)日：2014-10-15
申请号：CN201210135838.2
申请日：2012-05-04
Applicant: 重庆邮电大学
IPC: G05B13/04
Abstract: 本发明公开一种基于空闲时间长度学习树的电源管理预测方法，涉及网络技术，在现有的基于概率的自适应学习树结构基础上增加了空闲时间长度节点，以空闲时间长度值作为预测依据，并用其对应的低功耗状态控制空闲时间到来时设备进入的模式，同时在空闲时间结束时采用学习树中各种功耗状态的实际历史概率统计对该空闲时间长度预测值进行加权更新，采用“N进制”方法避免了学习树中历史路径的匹配过程。本发明保证了设备空闲时间长度预测值具有较高的准确性，从而得到了更低的设备功耗损失，同时降低了自适应学习树预测和更新过程的复杂性。
-
公开(公告)号：CN116229079B
公开(公告)日：2025-05-06
申请号：CN202310324023.7
申请日：2023-03-30
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机视觉图形学领域，具体涉及一种基于视觉辅助和特征增强的三维点云语义分割方法及系统，所述方法包括构建三维点云语义分割深度学习模型并训练，将待分割三维点云数据输入训练好的点云语义分割模型，通过设计一个重建辅助网络来显式地提取视觉颜色特征，并在主干分割网络中引入通道注意力机制以充分地加以利用，同时在解码层中构建点特征增强模块，以进一步提高模型在不同语义类边界处的点的分割能力；本发明能够对点的局部邻域进行有效的聚合，提升深度学习模型对三维点云语义分割的效果，促进了相关技术领域的发展。
-
公开(公告)号：CN115861164B
公开(公告)日：2025-04-08
申请号：CN202211130790.6
申请日：2022-09-16
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06T7/10 , G06V10/774
Abstract: 本发明属于计算机视觉与医学影像融合领域，具体涉及一种基于多领域半监督的医学图像分割方法，包括：构建半监督教师学生分割模型并训练，将待分割的异化领域数据输入训练好的分割模型，得到分割结果；本发明教师学生网络挖掘大量无标签的多领域医学图像的高级语义特征，采用自注意力解纠缠机制的网络提取领域特征以及分割部位特征，使用领域特征相似筛选机制和多领域高级语义对比损失函数进行鲁棒学习，引入指数滑动平均算法，使得学生模型异构为教师模型，在师生一致性约束下的像素级别勘误方案，提升了分割的精度、拓展了多领域的适用性、泛化性，提升深度模型对图像分割的效果，促进了相关技术领域的发展。
-
Patent Agency Ranking
公开(公告)号：CN119399523A
公开(公告)日：2025-02-07
申请号：CN202411443498.9
申请日：2024-10-16
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/24 , G06V10/774 , G06V10/40 , G16H30/00
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于先验知识增强掩码与对齐建模的医学图像分类方法；包括：获取图像文本对数据集并对其进行预处理，得到预处理好的图像文本对数据集；根据预处理好的图像文本对数据集对视觉编码器和文本编码器进行初步训练，得到初步训练好的视觉编码器和文本编码器；结合文本编码器对视觉编码器进行第二次训练，得到训练好的视觉编码器；采用训练好的视觉编码器实现对医学图像的分类；本发明提出的模型能够更好地泛化到各种下游医学图像识别任务上，提高下游医学图像识别任务的准确度。
-
公开(公告)号：CN119206283A
公开(公告)日：2024-12-27
申请号：CN202410884747.1
申请日：2024-07-03
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0985 , G06N3/0464
Abstract: 本发明请求保护一种基于信息增强重加权多专家网络的长尾识别方法，属于计算机视觉技术领域。所述方法包括以下步骤：步骤1.本发明提出了一种全局和显著性局部混合一致性损失模块，该模块通过全局MixUp和局部SaliencyMix增强模型的鲁棒性，进而提高模型对长尾类别的识别能力。步骤2.本发明设计了一个累积标签重加权损失模块，该模块通过使用经验类别频率重新加权长尾数据的混合标签，并使用按时间累积的系数平衡常规和重新平衡的损失，旨在缓解类别偏差问题。步骤3.本发明设计了一个多专家网络模块结合标签重加权损失模块，该模块通过加权专家评估和经验合成来评估整体预测，从而进一步提高对长尾类别的识别性能。
-
公开(公告)号：CN118967481A
公开(公告)日：2024-11-15
申请号：CN202411099141.3
申请日：2024-08-12
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于空间‑光谱张量子空间表示的遥感影像融合方法，属于遥感图像融合领域。该方法将输入的LR‑HSI、HR‑MSI和HR‑HSI表示为三维张量。构建空间观测模型和基于超拉普拉斯先验的光谱观测模型，以有效刻画输入影像与目标HR‑HSI之间的关系。利用空间‑光谱张量子空间表示模型将HR‑HSI分解为低维系数张量、空间子空间张量和光谱子空间张量。通过张量奇异值分解算法T‑SVD从HR‑MSI和LR‑HSI中分别估计空间子空间张量和光谱子空间张量，并利用稀疏正则化约束和近端交替最小化算法优化求解系数张量。将估计得到的子空间张量和系数张量输入张量子空间表示模型，重建HR‑HSI。
-
公开(公告)号：CN114399530B
公开(公告)日：2024-09-27
申请号：CN202111514363.3
申请日：2021-12-13
Applicant: 重庆邮电大学
IPC: G06T7/246 , G06T5/20 , G06T5/40 , G06V10/774
Abstract: 本发明请求保护一种基于样本差异化学习的相关滤波目标跟踪方法及系统及系统，属于计算机视觉技术领域。所述方法主要包括以下步骤：在视频初始帧获取目标的位置和大小，并训练一个尺度滤波器和定位滤波器；获得每一帧输入图像的候选区域与滤波器模型的响应图；根据响应图计算多个样本可靠度指标的值；标签标注器以指标值作依据为训练样本标注可靠度标签；最后选择与可靠度标签匹配的样本学习率来更新滤波器模型。本发明针对复杂跟踪场景中存在不可靠的训练样本问题，提出通过感知样本的可靠度来引导跟踪器差异化地学习不同样本。该方法能减轻不可靠样本对模型的污染，并缓解模型漂移，提升基于相关滤波跟踪器在复杂场景下的跟踪性能。
-
公开(公告)号：CN114677313B
公开(公告)日：2024-09-10
申请号：CN202210269455.8
申请日：2022-03-18
Applicant: 重庆邮电大学
IPC: G06T5/50 , G06N3/0464 , G06N3/08 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种生成多对抗网络结构的遥感图像空谱融合方法与系统，涉及卫星遥感图像融合技术领域，包括：卫星遥感图像数据集进行插值预处理使得遥感图像满足生成多对抗网络所需尺寸；构建生成对抗网络的生成器，从生成器产生的生成图像中选择适用于多对抗判别器；构建生成对抗网络的判别器，获取低分辨率多光谱图像(LRMS)与高分辨率全色图像(PAN)的融合图像；本发明通过结合多对抗思想与遥感图像专业领域知识，本发明提出了一种创新的生成多对抗网络，该框架将生成对抗网络扩展到多个判别器。多个判别器可以使生成器更好的综合光谱信息和结构信息，从而得到高质量的高分辨率多光谱图像。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.097 seconds)
