-
公开(公告)号：CN117709342A
公开(公告)日：2024-03-15
申请号：CN202311601556.1
申请日：2023-11-28
Applicant: 重庆邮电大学
IPC: G06F40/295 , G06F16/35 , G06F18/214 , G06F18/23213 , G06F18/2413 , G06N3/0455 , G06N5/022
Abstract: 本发明属于自然语言处理领域，具体涉及一种基于粒球计算的远程监督命名实体识别方法；包括：获取文本数据并对其进行预处理；根据远程知识库对预处理好的文本数据进行匹配并打上标签；对预处理好的文本数据进行编码，得到文本嵌入表示；采用预训练的Bert模型对文本嵌入表示进行处理，得到特征矩阵；将特征矩阵压缩为二维矩阵；根据粒球纯度阈值，采用粒球计算层对二维矩阵和二维矩阵对应的标签进行处理，得到粒球中心矩阵；将粒球中心矩阵输入到分类器中进行处理，得到文本的命名实体识别结果；计算模型总损失，根据模型总损失调整模型参数，得到训练好的远程监督命名实体识别模型；本发明减少了人力的标注成本，提高了实体识别的准确性。
-
公开(公告)号：CN116091460A
公开(公告)日：2023-05-09
申请号：CN202310083889.3
申请日：2023-01-31
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于深度学习图像识别领域，具体涉及一种基于特征空间图结构的骨关节图像分类方法及系统；该方法包括：获取骨关节图像并对其进行预处理；将预处理好的骨关节图像输入到训练好的深度神经网络中得到骨关节特征图；对骨关节特征图进行图结构化表示，得到骨关节特征图的图结构信息；图结构信息包括节点信息、边信息以及邻接矩阵；将骨关节特征图的图结构信息输入到训练好的图神经网络模型中进行处理，得到骨关节图像分类结果；根据骨关节图像分类结果可视化图神经网络模型关注区域的热力图；本发明能帮助模型学到空间域中远距离的特征关系以及结构信息，计算速度快，分类精度高，且能更好的理解模型背后如何工作，可解释性好。
-
公开(公告)号：CN118643176A
公开(公告)日：2024-09-13
申请号：CN202410785602.6
申请日：2024-06-18
Applicant: 重庆邮电大学
IPC: G06F16/483 , G06F16/438 , G06F16/44 , G06V10/774 , G06V10/764 , G06V10/75 , G06V10/80 , G06V10/82
Abstract: 本发明属于动态人脸检索领域，涉及一种人机混合智能的交互式动态人物肖像检索方法，包括：获取画师绘制的素描，将素描输入生成模型，得到生成肖像；将素描和生成肖像分别输入深度神经网络模型，得到当前素描和生成肖像的嵌入向量和关键点信息并进行融合；计算融合后的嵌入向量和联合关键点信息同所有待检索肖像的嵌入向量和关键点信息的匹配分数，根据匹配分数对待检索肖像进行升序排序，并将top‑k张肖像实时展示给画师；本发明采用生成联合检索框架，从有限的素描图像中推断并生成完整的图像表示，能够填补素描中的缺失细节，增强原始素描的信息量，为检索提供了更多可用于比较和匹配的视觉特征，从而提高了检索的准确性和效率。
-
公开(公告)号：CN114860980B
公开(公告)日：2024-07-19
申请号：CN202210580704.5
申请日：2022-05-26
Applicant: 重庆邮电大学
IPC: G06F16/583 , G06N3/084 , G06V10/74 , G06V10/774 , G06V10/82
Abstract: 本发明属于动态草图检索领域，具体涉及一种基于草图局部特征和全局特征匹配的图像检索方法，该方法包括：获取待检索的手绘草图序列及对应的草图块，将草图序列和草图块输入到训练好的神经网络模型中得到草图的嵌入向量和草图块的嵌入向量；计算嵌入向量输入数据的欧式距离；将计算出的欧式距离进行加权融合，根据融合后的欧式距离返回检索到top‑k张图片，得到草图的检索结果；改进的神经网络模型包括完整图像分支和切块图像分支；完整图像分支用于对完整的草图进行处理，切块图像分支用于对草图块进行处理；本发明针对序列草图笔画信息稀少的问题，使用草图分割的方法搭建不同分支的网络模型，减少草图笔画信息稀少带来的准确率下降的问题。
-
公开(公告)号：CN116797677A
公开(公告)日：2023-09-22
申请号：CN202310779355.4
申请日：2023-06-28
Applicant: 重庆邮电大学
IPC: G06T9/00 , G06N3/0464 , G06V10/44 , G06V10/82 , G06T3/40
Abstract: 本发明属于图像处理领域，涉及一种基于矩阵数据重排的图像特征编码方法、装置及电子设备；所述方法包括获取待处理的目标图像并预处理；采用特征提取网络提取出目标图像的输入特征张量；将输入特征张量切分为若干子特征，在通道上采用通道或空间维度优先进行矩阵数据重排，拼接得到目标图像的第一特征张量；采用分组特征混合器对第一特征张量进行处理，生成目标图像的第二特征张量，并进行残差连接，连接得到目标图像的第三特征张量；将第三特征张量切分为若干子特征，在空间上采用相对应的空间或通道维度优先进行逆矩阵数据重排，拼接得到目标图像的输出特征张量。本发明能够充分利用图像内部的信息，提高了模型在计算机视觉任务中的性能。
-
Patent Agency Ranking
公开(公告)号：CN115775337A
公开(公告)日：2023-03-10
申请号：CN202211561810.5
申请日：2022-12-07
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/82 , G06V10/20 , G06V10/40 , G06N3/0464 , G06N3/08
Abstract: 本发明属于图像处理领域，具体涉及一种基于二叉树结构嵌入的可解释卷积神经网络图像分类方法，该方法包括：获取待处理的图像，将待处理的图像输入到训练好的改进的深度神经网络模型中，得到预测结果，并可以从网络得到良好的网络决策过程以及每个决策的可信程度；本发明将二叉树分支结构引入到深度神经网络的设计过程中，对传统的网络卷积层进行二分设计，使每一部分负责解耦不同的图像类别信息，通过设定的优化方式以控制特定神经元的激活水平，可以更好地指导网络的图像分类决策；此外，通过对一个样本网络决策过程中各层神经元激活值与目标决策路径的偏移情况对比，可以得到对样本决策结果可信程度的评价。
-
公开(公告)号：CN115511904A
公开(公告)日：2022-12-23
申请号：CN202211141721.5
申请日：2022-09-20
Applicant: 重庆邮电大学
Abstract: 本发明属于图像分割领域，具体涉及一种基于多粒度计算的图像图表示方法，包括：对图像进行预处理；采用Sobel算子计算x、y方向上的灰度值，并将最大灰度值梯度的像素点标记；在未标记的像素点中选取灰度值梯度最小的点作为中心点，根据设定的方差阈值和纯度阈值交叉更新x、y方向上的半径Rx，Ry，得到图像的一个粒矩，并将该粒矩内的所有像素点标记；在重复S3步骤直到图像的所有像素点都被标记；判断粒矩之间是否相交，采用画图工具将图像进行矩到图的表示和可视化。本发明通过将图像中具有相似灰度值的结构模块块，解决了以像素为处理单元的缺陷，提高了可解释性、可信度和鲁棒性。
-
公开(公告)号：CN115424081A
公开(公告)日：2022-12-02
申请号：CN202211233630.4
申请日：2022-10-10
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/82 , G06V10/26 , G06V10/40 , G06V10/774
Abstract: 本发明属于医学图像处理领域，涉及一种可解释的癌症病理切片图像识别方法、装置及计算机设备；所述方法包括获取癌症病理切片的高分辨率医学图像，并处理成图像块；将图像块输入特征提取网络中，提取出特征向量；将第一图像块的特征向量输入到图像识别网络中进行预训练；将第二图像块的特征向量输入到预训练后的图像识别网络中，输出第一可解释热力图；利用稀疏表示方法优化，并对优化后的第一可解释热力图进行判断；按照判断结果重新训练图像识别网络；将第三图像块的特征向量输入到重新训练后的图像识别网络中，输出第二可解释热力图。本发明使得高分辨率图像能够在模型中进行预测并提供专业的可解释结果，实现了数据与医学领域知识的双向交互。
-
公开(公告)号：CN114860980A
公开(公告)日：2022-08-05
申请号：CN202210580704.5
申请日：2022-05-26
Applicant: 重庆邮电大学
IPC: G06F16/583 , G06N3/08 , G06V10/74 , G06V10/774 , G06V10/82
Abstract: 本发明属于动态草图检索领域，具体涉及一种基于草图局部特征和全局特征匹配的图像检索方法，该方法包括：获取待检索的手绘草图序列及对应的草图块，将草图序列和草图块输入到训练好的神经网络模型中得到草图的嵌入向量和草图块的嵌入向量；计算嵌入向量输入数据的欧式距离；将计算出的欧式距离进行加权融合，根据融合后的欧式距离返回检索到top‑k张图片，得到草图的检索结果；改进的神经网络模型包括完整图像分支和切块图像分支；完整图像分支用于对完整的草图进行处理，切块图像分支用于对草图块进行处理；本发明针对序列草图笔画信息稀少的问题，使用草图分割的方法搭建不同分支的网络模型，减少草图笔画信息稀少带来的准确率下降的问题。
-
公开(公告)号：CN114782586A
公开(公告)日：2022-07-22
申请号：CN202210497284.4
申请日：2022-05-09
Applicant: 重庆邮电大学
Abstract: 本发明属于素描绘画序列集生成领域，具体涉及一种素描绘画序列集自动生成方法，包括通过预训练的结构线提取模型得到完整素描图像的结构线图像；对结构线图像进行预处理得到边缘线条集合；对边缘线条集合进行边缘处理，获取第二边缘序列集合；采用第二边缘序列集合绘制得到边缘序列集，并对其进行膨胀处理；将膨胀后的边缘序列集与完整素描图像进行点乘运算，得到素描绘画序列集，本发明的方法能够得到完整素描的绘制阶段图，用于图像检索的模型的训练，减少了图像检索模型训练样本获取的人力成本、时间成本。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.019 seconds)
