公开(公告)号：CN118261781A

公开(公告)日：2024-06-28

申请号：CN202410206205.9

申请日：2024-02-26

Applicant: 重庆邮电大学

Inventor： 舒禹程 ,  黄钰涵 ,  乔丽红 ,  肖斌 ,  李伟生

IPC: G06T3/14 ,  G06T7/33 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及一种基于域对抗的跨模态医学图像配准方法，包括：将固定图像和移动图像输入双路编码器进行特征提取；根据固定图像特征和移动图像特征利用域判别器预测固定图像和移动图像分类到各个域的概率，并根据固定图像和移动图像分类到各个域的概率构建交叉熵损失函数；根据固定图像特征和移动图像特征利用形变场生成器生成形变场，根据形变场构建平滑损失函数；利用空间变换器将形变场添加到移动图像上，使移动图像的体素按照形变场来进行空间位移得到配准后的扭曲图像；根据配准后的扭曲图像和固定图像构建相似度损失函数，根据交叉熵损失函数、平滑损失函数和相似度损失函数构建网络的总损失函数对网络的参数进行更新。

公开(公告)号：CN117975122A

公开(公告)日：2024-05-03

申请号：CN202410068880.X

申请日：2024-01-17

Applicant: 重庆邮电大学

Inventor： 张莉萍 ,  张鱼齐 ,  李新洋 ,  王浩东 ,  雷大江 ,  李伟生

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/776

Abstract: 本发明属于病理学图像分类领域，具体涉及一种基于动态稀疏化对比学习的医学图像分类方法，包括：获取待分类的医学图像，对医学图像进行预处理；将预处理后的图像输入到动态稀疏多实例学习框架，得到不同尺度下的动态稀疏多实例学习框架的权重；将不同尺度下权重加载到跨尺度对比学习的主干网络中，并对1024维度的特征进行学习，得到不同尺度的特征；将不同尺度的特征输入到跨尺度对比学习框架，得到融合特征；将融合特征输入到分类器中进行分类；本申请通过模型中的动态稀疏层以自适应地从整张全切片图像中所有实例中逐步筛选、挖掘出这些细小的不易察觉的关键实例，来帮助模型快速做出科学并准确的决策，从而增强模型的泛化和分类能力。

公开(公告)号：CN117745748A

公开(公告)日：2024-03-22

申请号：CN202311659284.0

申请日：2023-12-06

Applicant: 重庆邮电大学

Inventor： 李伟生 ,  黄钊鹏

IPC: G06T7/12 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明涉及一种基于PVT的息肉图像分割方法和系统，包括：采用骨干网络对息肉图像进行特征提取得到不同尺度的浅层特征，其中，尺度最大的浅层特征为低级特征，其余浅层特征为高级特征；根据所有的高级特征利用边缘特征提取模块提取息肉的边缘特征信息；根据所有的高级特征利用息肉定位模块捕获息肉的位置特征信息；将低级特征进行特征增强处理，得到息肉的增强特征；将息肉的增强特征、息肉的边缘特征信息和息肉的位置特征信息输入信息引导模块计算得到息肉分割图；本发明以边缘信息和定位信息为辅助，细化图像得到较好的息肉分割图像，解决了息肉图像分割中息肉定位不准确和息肉边缘分割不清晰问题。

公开(公告)号：CN117037290A

公开(公告)日：2023-11-10

申请号：CN202310996708.6

申请日：2023-08-09

Applicant: 重庆邮电大学

Inventor： 周丽芳 ,  阮杭生 ,  李伟生 ,  陈艺元 ,  全好

IPC: G06V40/40 ,  G06V40/16 ,  G06T5/10 ,  G06T5/50 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0895

Abstract: 本发明请求保护一种基于全局上下文结构差异的人脸伪造检测方法，属于计算机视觉技术领域。所述方法包括以下步骤：步骤1.提出了一种频域增强模块，该模块有助于提取到高压缩率下伪造伪影的频域特征。步骤2.设计了一个新的人脸重构‑分类无监督学习的网络结构，它可以通过人脸重构学习得到伪造人脸的伪造区域来指导分类学习分支，从而提高模型的泛化性。步骤3.提出了一种自预测卷积模块，旨在学习真实人脸的全局上下文结构，随后在验证阶段使用经过学习后的卷积块来预测输入人脸的全局上下文结构信息。步骤4.本发明在编码器阶段引入了对比学习损失函数促使真实人脸的特征在潜在空间相互拉近，伪造人脸的特征相互推远。

公开(公告)号：CN116758632A

公开(公告)日：2023-09-15

申请号：CN202310704051.1

申请日：2023-06-14

Applicant: 重庆邮电大学

Inventor： 唐贤伦 ,  陆斌宇 ,  邓武权 ,  王乐君 ,  钱小东 ,  万辉 ,  黄健 ,  李伟生 ,  徐梓辉 ,  陈霸东

IPC: G06V40/20 ,  G06V40/10 ,  G06V10/25 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明请求保护一种基于区域扩增和位置信息交互的视频行人重识别方法，属于图像检索方法。包括以下步骤：数据切片及预处理；然后使用通道注意模块进行通道权值重建；接着提取前帧的显著特征，进一步将后帧的关注区域从显著到全面进行过渡；然后利用位置信息交互(LII)模块促进位置信息跨所有帧交互，以实现帧之间的相互增强；最后根据模型设计损失函数并进行训练，值得注意的是，在测试阶段，去除LII模块以提升推理速度。本发明提出了轻量化的视频行人重识别模型，在多个公共基准上展现了强大的性能和泛化能力。

公开(公告)号：CN116580234A

公开(公告)日：2023-08-11

申请号：CN202310544796.6

申请日：2023-05-15

Applicant: 重庆邮电大学

Inventor： 李伟生 ,  王钢

IPC: G06V10/764 ,  A61B8/08 ,  A61B8/00 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明涉及图像识别技术领域，具体涉及一种胎儿心脏超声左心发育特征的识别方法及装置，方法包括获取历史超声图像并进行人工标注，将历史图像划分为显著图像和非显著图像；构建深度神经网络，构建4D超声图像作为深度神经网络的输入，利用历史图像对深度神经网络进行训练，得到二分类深度神经网络模型，用于识别图像属于显著图像还是非显著图像；针对显著图像和非显著图像分别构建图像识别器，在图像检测器中通过弱监督定位获取图像的关注区域、通过图像检测获取多个检测框；将与关注区域最近的检测框作为该图像的左心发育特征位置；本发明可以实现低成本、快速、简单、准确的识别定位胎儿心脏超声指定的左心病灶区域。

公开(公告)号：CN116468888A

公开(公告)日：2023-07-21

申请号：CN202310309481.3

申请日：2023-03-28

Applicant: 重庆邮电大学

Inventor： 舒禹程 ,  兰尹 ,  肖斌 ,  李伟生

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/764

Abstract: 本发明属于计算机视觉领域，具体涉及一种基于双网络协同分割模型的图像语义分割方法，包括：建立构建双网络协同分割模型，对于带标签数据采用全监督学习的方式进行模型的训练，对于无标签数据采跨网络相互学习的方法进行半监督学习进模型的训练，将待分割的图像输入训练好的双网络协同分割模型，得到分割结果；本发明基于标签空间和特征空间的相互互补学习，实现了对大量无标签数据的高效利用和开发，缓解了目前全监督深度学习模型训练需要高质量、高成本、极耗时的标签需求，在保证分割模型的性能时进一步让模型的训练成本大大降低，并能够部署于各种的智能系统，具有较高的实际应用价值。

公开(公告)号：CN112396002B

公开(公告)日：2023-05-30

申请号：CN202011310176.9

申请日：2020-11-20

Applicant: 重庆邮电大学

Inventor： 周丽芳 ,  邓广 ,  李伟生 ,  雷邦军

IPC: G06V20/13 ,  G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/764

公开(公告)号：CN111950515B

公开(公告)日：2022-10-18

申请号：CN202010870140.X

申请日：2020-08-26

Applicant: 重庆邮电大学

Inventor： 周丽芳 ,  李连琼 ,  李伟生 ,  熊超

IPC: G06V40/16 ,  G06V10/80 ,  G06V10/82 ,  G06V10/774 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明请求保护一种基于语义特征金字塔网络的小人脸检测方法，属于人脸检测技术领域。其中，所述方法包括以下步骤：步骤1.以SFD人脸检测方法为基础模型，为了增强预测特征的语义信息，本发明设计了一个语义特征金字塔网络。步骤2.为了提高小人脸的召回率，减少固定分类阈值造成的错误分类样本数量，本发明提出了一个尺度自适应匹配算法，进行anchor匹配和样本分类。步骤3.为了缓解网络中正负样本不平衡问题，本发明采用focal loss计算网络的分类损失，通过迭代训练、更新参数得到最终的网络模型。在增加少量计算量的情况下，本发明有效的提取了小人脸检测所必需的语义信息，增强了网络的特征表达能力，提高了小人脸的召回率，缓解了检测器的样本不平衡问题。

公开(公告)号：CN111695522B

公开(公告)日：2022-10-18

申请号：CN202010539709.4

申请日：2020-06-15

Applicant: 重庆邮电大学

Inventor： 周丽芳 ,  谷雨 ,  李伟生 ,  熊超

IPC: G06V40/16 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于图像处理技术领域，涉及一种平面内的旋转不变人脸检测方法、装置及存储介质；所述方法包括以SSD快速目标检测方法的模型结构为基础，构建出包括基本网络和检测网络的卷积神经网络；利用基本网络提取出输入图像的卷积特征；对检测网络进行改造，采用多尺度特征层对基本网络的卷积特征进行多尺度融合；在多尺度特征层上连接有方向敏感特征集成网络，提取出旋转不变的卷积特征；采用属于不同样本的人脸图像数据集对卷积神经网络进行训练，直至训练损失；使用训练完成的卷积神经网络对待测的人脸图像进行处理，根据卷积神经网络参数获得其人脸分类概率、边界框回归向量和角度类别标签。本发明改进了SSD模型，获得了较好的检测效果。