-
公开(公告)号：CN113269054B
公开(公告)日：2022-06-10
申请号：CN202110485470.1
申请日：2021-04-30
Applicant: 重庆邮电大学
Abstract: 本发明属于遥感影像智能化分析领域，具体涉及一种基于时空2D卷积神经网络的航拍视频分析方法，该方法包括实时获取航拍视频数据，对获取的航拍视频数据进行预处理；将预处理后的航拍视频数据输入到训练好的航拍视频识别模型中进行识别分析处理；对识别结果进行统计分析；所述航拍视频识别模型包括2D卷积神经网络、长时序特征提取模块LTFE、短期运动特征提取模块SMFE以及特征融合模块FFM，所述长时序特征提取模块LTFE、短期运动特征提取模块SMFE和特征融合模块FFM设置在2D卷积神经网络中；本发明采用改进的2D卷积神经网络模型并结合长时序特征提取模块、短期运动特征提取模块和特征融合模块，提高了计算效率以及航拍视频的识别准确率。
-
公开(公告)号：CN119580258A
公开(公告)日：2025-03-07
申请号：CN202411635675.3
申请日：2024-11-15
Applicant: 重庆中科勘测设计有限公司 , 重庆邮电大学
IPC: G06V20/70 , G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于图像处理技术领域，涉及一种基于Mamba模型的遥感图像语义变化检测方法及装置，包括：获取成对的双时遥感图像，对双时遥感图像进行预处理；将预处理后的双时遥感图像输入到Mamba编码器分支进行特征提取，得到多尺度特征；采用差异特征提取模块对多尺度特征进行处理，得到多尺度差异特征；将多尺度特征和多尺度差异特征输入到特征融合增强模块中进行融合，得到语义特征；采用Mamba解码器分支分别对语义特征和多尺度差异特征进行解码；将解码后的语义特征和多尺度差异特征输入到分类器中并经过掩蔽操作，得到双时相遥感图像的语义变化图；本发明可以准确地检测出双时相遥感图像发生变化的区域以及发生变化区域具体的变化类别。
-
公开(公告)号：CN118781334A
公开(公告)日：2024-10-15
申请号：CN202410590201.5
申请日：2024-05-13
Applicant: 重庆邮电大学 , 重庆医科大学附属口腔医院
IPC: G06V10/26 , G06V20/70 , G06N3/0464 , G06N3/084 , G06V10/82 , G06V10/10 , G06N3/0985
Abstract: 本发明公开了一种基于语义协调的双空间表征口内扫描图像牙齿分割方法，涉及医学图像处理与计算机视觉技术领域，本方法包括对原始口内扫描图像进行数据下采样；对口内扫描图像的欧式空间的几何属性进行自适应的语义协调化，关注空间与语义特征之间在真实空间维度的关系；通过空间‑语义图学习模块学习口内扫描图像的结构特征和旋转不变性；学习得到的表征送入分割进行预测，将口内扫描图像中的单颗牙齿和牙龈进行分割，本发明能够有效应对口内扫描图像的旋转不变性并提升分割精度。
-
公开(公告)号：CN117746141A
公开(公告)日：2024-03-22
申请号：CN202311775891.3
申请日：2023-12-21
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/40 , G06V20/17 , G06N3/0464 , G06N3/0455 , G06F17/16
Abstract: 本发明属于遥感图像分类领域，涉及基于视觉Transformer的遥感图像分类方法，包括：获取遥感图像并进行预处理，将预处理后的结果输入分块嵌入模块，得到特征矩阵；将特征矩阵拉长得到初始序列，在初始序列中加入类别token向量，得到类别序列；将类别序列输入Transformer编码模块，得到编码序列；将特征矩阵输入空间结构计算模块，得到空间结构序列；将编码序列和空间结构序列对应相加，得到结合序列，将结合序列输入全局结构融合模块，得到融合序列；将融合序列的类别token向量输入分类头，得到分类结果；本发明采用多方向对称卷积与空间结构计算策略，从底层提高模型旋转鲁棒性，使其分类呈不同方向的遥感图像。
-
公开(公告)号：CN116310828A
公开(公告)日：2023-06-23
申请号：CN202310289429.6
申请日：2023-03-23
Applicant: 重庆邮电大学
IPC: G06V20/10 , G06V10/82 , G06V10/80 , G06V10/42 , G06V10/44 , G06V10/764 , G06N3/0464
Abstract: 本发明涉及图像处理技术领域，特别涉及一种结合Transformer和CNN的高分辨率遥感图像变化检测方法及装置，方法包括将预处理后的双时遥感图像利用Transformer分支提取双时遥感图像的全局特征，利用卷积神经网络分支提取双时遥感图像的局部特征；将Transformer分支各个深度的特征图以及卷积神经网络分支各个深度的特征图输入自适应特征融合模块进行特征融合，得到全局‑局部特征；将全局‑局部特征输入Decoder分支进行逐层解码，将解码特征图采用分类器输出变化检测的结果；本发明可以准确地检测出双时相图像发生变化的区域，并且提取的特征能更好的表达图像信息。
-
Patent Agency Ranking
公开(公告)号：CN119963898A
公开(公告)日：2025-05-09
申请号：CN202510023366.9
申请日：2025-01-07
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06T7/11 , G06N3/0455 , G06N3/08
Abstract: 本发明属于高光谱图像分类领域，具体涉及一种基于频率提示和空谱Transformer网络的高光谱图像分类方法，包括：将高光谱图像通过离散余弦变换取出低频部分和可学习的高频提示组成频率提示，来利用高光谱图像中丰富的频域信息；通过多阶段策略来充分挖掘高光谱图像中蕴含的空间信息和光谱信息；通过空谱交叉自注意力设计出空谱融合Transformer和多阶段融合Transformer，促进每个阶段的空间信息和光谱信息之间的有效交互和增强不同阶段融合特征之间的互补效果；通过建立分类损失，对整个网络进行优化，利用优化后的网络进行图像分类。本发明采用端到端的训练策略，能够充分地挖掘高光谱图像中蕴含的空间信息与光谱信息和有效地利用高光谱图像中丰富的频域信息。
-
公开(公告)号：CN119006411B
公开(公告)日：2025-04-04
申请号：CN202411092707.X
申请日：2024-08-09
Applicant: 重庆邮电大学 , 重庆市劢齐医疗科技有限责任公司
Abstract: 本发明公开了一种基于深度学习的颈椎骨龄分析方法，涉及颈椎骨龄预测技术领域，本方法以真实临床头影侧位片数据构建数据集，集成多个图像处理模型，使用关键点检测模型进行骨节关键点检测，通过分割结果与关键点检测结果提取骨节特征，将特征输入到二叉树支持向量机中进行骨龄分期，该方法通过联合实例分割模型与关键点检测模型提取了更深层的骨节特征，提高了颈椎骨龄分期的准确性和稳定性，且该过程为全自动化，效率较高。
-
公开(公告)号：CN119599910A
公开(公告)日：2025-03-11
申请号：CN202411640692.6
申请日：2024-11-18
Applicant: 重庆中科勘测设计有限公司 , 重庆邮电大学
IPC: G06T5/73 , G06T5/60 , G06T5/50 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及图像处理领域，特别是一种遥感图像全色锐化方法、模型训练方法及系统；所述训练方法包括将全色图像与多光谱图像的全色‑光谱融合特征以及时间信息作为先验信息，将先验信息与扩散加噪图像输入到扩散模型中，以使得拟合加噪图像能够蕴含更多的全色信息和光谱信息；通过Transformer模块对所述扩散加噪图像与所述全色空间‑光谱融合特征进行预测，以生成保留了完整全色信息与光谱信息的重建差值图像；本发明在噪声抑制和细节增强方面具有显著的优势，能生成出光谱信息和空间信息更充足的多光谱图像。
-
公开(公告)号：CN117689958A
公开(公告)日：2024-03-12
申请号：CN202410019476.3
申请日：2024-01-05
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V20/10 , G06V10/77 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种基于子空间网络的少样本遥感场景分类方法包括：根据遥感场景图像数据集中遥感场景图像的类别将遥感场景图像数据集划分为训练集、验证集和测试集；根据划分好的训练集、验证集和测试集构建训练任务、验证任务和测试任务；建立基于子空间网络的少样本遥感场景分类模型，根据构建的训练任务设置损失函数；根据设置的损失函数，利用基于任务的元学习训练策略对基于子空间网络的少样本遥感场景分类模型进行元训练，在训练的同时，通过验证任务对基于子空间网络的少样本遥感场景分类模型进行元验证，保存性能最佳的模型，训练和验证过程完成后，通过测试任务对保存的性能最佳的模型进行元测试；本发明具有更好的分类性能和更高的稳定性。
-
公开(公告)号：CN110503049B
公开(公告)日：2022-05-03
申请号：CN201910791912.8
申请日：2019-08-26
Applicant: 重庆邮电大学
Abstract: 本发明属于属于图像处理与计算机视觉技术领域，特别涉及一种基于生成对抗网络的卫星视频车辆数目估计方法，包括将卫星视频进行抽帧处理，获得原始图像以及原始图像对应的真实标签图像；对原始图像进行分块操作获得子图，将子图以及原始图像分别送入具有相同结构的生成器生成特征图；分别将子图以及原始图像的特征图送入生成对抗网络，获得由子图生成的特征图和由原始图像生成的特征图；计算由子图生成的特征图和由原始图像生成的特征图之间的距离，最小化该距离以获得最优结果，根据最优结果获得车流量密度图；本发明不仅充分利用图像信息，避免了数据缺乏的问题；还利用生成对抗网络将整个网络框架定义为一个回归问题，有效避免了检测困难的问题。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.016 seconds)
