-
公开(公告)号：CN114647754A
公开(公告)日：2022-06-21
申请号：CN202210396360.2
申请日：2022-04-15
Applicant: 重庆邮电大学
IPC: G06F16/535 , G06F16/583 , G06N3/04 , G06N3/08
Abstract: 本发明属于图像检索领域，具体涉及一种融合图像标签信息的手绘图像实时检索方法，包括：采用改进的神经网络模型，提取手绘草图的特征图以及实物图像的特征向量，在生成手绘图像的特征向量检索时计算草图分支与所有图像间的欧式距离D，取D的平均值dm作为标签距离基准值，根据输入标签，以及数据库中所存Softmax处理的对应输入标签类别的概率值伪标签Pc，按照数据库样本类别分别对距离dm进行加权，得到标签加权距离值Dl，最终根据D与Dl之和对数据库中的图像进行排序，返回检索到的top‑k张图片；本发明在进行早期草图检索时，可使用目标图像的颜色、特征等信息进行查询，在笔画信息少的时候大大增加检索效率。
-
公开(公告)号：CN113435578A
公开(公告)日：2021-09-24
申请号：CN202110712501.2
申请日：2021-06-25
Applicant: 重庆邮电大学
IPC: G06N3/04
Abstract: 本发明属于图像处理领域，具体涉及一种基于互注意力的特征图编码方法、装置及电子设备，所述方法包括获取待处理的特征图，将待处理的每个特征图经过卷积模块后编码为两个相同且维度可调的第一向量和第二向量；通过第一向量和第二向量计算所有特征图之间的互注意力得分情况，利用卷积模块对特征图进行重新编码；本发明将不同特征图信息按一定注意力权重进行融合，使得重新编码后的特征图所包含的信息更加全面且有效，即在编码过程中，所含信息越丰富的输入特征图在重编码后的特征图中保留所占的比重就会越大，能够充分挖掘出特征图的信息。
-
公开(公告)号：CN119622013A
公开(公告)日：2025-03-14
申请号：CN202411679586.9
申请日：2024-11-22
Applicant: 重庆邮电大学
IPC: G06F16/583 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/092
Abstract: 本发明属于图像检索领域，具体涉及一种基于多模态融合的互动式图像检索方法；包括：采用深度神经网络模型对文本、素描和图像进行编码，得到文本嵌入向量、素描嵌入向量和图像嵌入向量；融合文本嵌入向量和素描嵌入向量，得到融合嵌入向量；根据图像嵌入向量和融合嵌入向量构建奖励函数；构建包含奖励函数的强化学习模型并训练，当达到预设的训练次数时，完成模型训练；实时获取用户的素描以及用户对检索对象的文本描述，将素描和文本输入到训练好的强化学习模型中进行实时检索，模型反馈给用户检索到的图像；用户根据反馈图像进一步优化素描，直至检索到用户满意的目标图像；本发明可保证检索反馈的稳定性能，实现了更优质的检索体验。
-
公开(公告)号：CN116246144A
公开(公告)日：2023-06-09
申请号：CN202310061482.0
申请日：2023-01-17
Applicant: 重庆邮电大学
IPC: G06V10/82 , G06V10/774 , G06V10/40 , G06V10/25 , G06N3/042 , G06N3/08 , G06N3/0464
Abstract: 本发明属于可解释技术领域，具体涉及一种基于专家交互学习的深度判别模型的解释结果修正方法，包括：获取图像，并将图像分成预测训练集、解释训练集；通过预测训练集对resnet18网络模型进行训练，并加入修正模块，得到解释判别模型；将解释训练集中的图像输入解释判别模型，得到每个像素对模型决策的重要程度的可解释热力图；通过专家知识对可解释热力图进行交互，得到判别结果；将错误解释输入解释判别模型的修正模块进行错误解释结果修正；对修正后的解释结果进行评估。本发明本发明通过使用主动学习的训练策略、专家知识交互以及对网络模型可解释结果的修正，提高了网络模型的可解释能力，提高了用户对于网络模型的信任程度。
-
公开(公告)号：CN116071253A
公开(公告)日：2023-05-05
申请号：CN202211568658.3
申请日：2022-12-08
Applicant: 重庆邮电大学
IPC: G06T5/00 , G06V10/762 , G06V10/82 , G06N3/094
Abstract: 本发明属于图像处理领域，具体涉及一种基于粒球计算的图像内容噪声处理方法，所述方法包括获取待处理图片的各个像素点的梯度；以当前梯度最小的像素点为中心，按照矩形形状向外扩散，重复迭代形成多个不同的矩形局域；计算出各个像素点到其对应矩形区域中心的欧式距离，将所有像素点的欧式距离的倒数经过处理，得到各个矩形区域的权重列表；将各个矩形区域的权重列表与对应像素点的像素值求乘积得到聚类后的各部分像素值，进而完成对待处理图片的聚类操作；基于高斯分布对聚类操作后的待处理图片进行重采样处理。通过本发明处理后的图像，能够拥有更多的抗噪和抗攻击能力。
-
Patent Agency Ranking
公开(公告)号：CN112767251B
公开(公告)日：2023-04-07
申请号：CN202110073381.6
申请日：2021-01-20
Applicant: 重庆邮电大学
Abstract: 本发明属于图像超分辨率重建领域，具体涉及一种基于多尺度细节特征融合神经网络的图像超分辨率方法，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，得到高质量图像；本发明在提取特征的过程中，增加了原始图片中的高频信息，通过这种集成的方式，增加了网络的稳定性；另外在残差密集块方面，利用了多层的特征融合机制，增加了语义信息，也加入了通道特征筛选，使整个网络能够更好地表达；并且，在特征提取过程的每个阶段，即每个残差密集块后，加入损失计算，用于反向传播调整特征提取的过程，提高了网络的表达能力以及能够更好地学习重建高分辨率图片。
-
公开(公告)号：CN115204180A
公开(公告)日：2022-10-18
申请号：CN202210815895.9
申请日：2022-07-12
Applicant: 重庆邮电大学
IPC: G06F40/30 , G06F40/289 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于细粒度的文本情感抽取方法及相关产品，涉及自然语言处理技术领域，包括以下步骤：基于字粒度对输入文本进行语义特征提取并获得第一语义向量，基于词粒度对输入文本进行语义特征提取并获得第二语义向量；将第一语义向量与第二语义向量采用拼接的方式进行叠加，获得深层次语义表征；利用降维线性层和非线性函数对深层次语义表征进行特征提取，获的方面特征和观点特征；构建双向二维矩阵，对方面特征和观点特征进行情感依赖解析，获得字级别的情感依赖信息；将字级别的情感依赖信息与方面特征及观点特征结合，得到跨度级别的情感依赖信息。本发明能深度挖掘出文本的深层次语义信息，同时有效解决元素重叠的问题。
-
公开(公告)号：CN113435578B
公开(公告)日：2022-04-05
申请号：CN202110712501.2
申请日：2021-06-25
Applicant: 重庆邮电大学
IPC: G06N3/04
Abstract: 本发明属于图像处理领域，具体涉及一种基于互注意力的特征图编码方法、装置及电子设备，所述方法包括获取待处理的特征图，将待处理的每个特征图经过卷积模块后编码为两个相同且维度可调的第一向量和第二向量；通过第一向量和第二向量计算所有特征图之间的互注意力得分情况，利用卷积模块对特征图进行重新编码；本发明将不同特征图信息按一定注意力权重进行融合，使得重新编码后的特征图所包含的信息更加全面且有效，即在编码过程中，所含信息越丰富的输入特征图在重编码后的特征图中保留所占的比重就会越大，能够充分挖掘出特征图的信息。
-
公开(公告)号：CN113886615A
公开(公告)日：2022-01-04
申请号：CN202111241283.5
申请日：2021-10-25
Applicant: 重庆邮电大学
Abstract: 本发明属于图像检索领域，具体涉及一种多粒度联想学习的手绘图像实时检索方法，包括：采用三重态损失函数与多粒度联想学习方法训练改进的深度神经网络模型，训练好的深度神经网络模型提取草图分支的嵌入向量，将其送入判别器判断该草图分支的等级，再将该草图分支送入等级对应的降维层，计算草图分支与图像间的欧式距离，根据欧式距离，返回检索到的top‑k张图片；本发明设计多阶段模型，避免不完整草图的多样性混淆，提出一种渐进式不完整草图的多粒度关联学习方法，使得每个不完整草图的嵌入空间逼近后续草图及其对应目标照片的嵌入空间，尽可能以最少的草图笔画检索出目标图片。
-
公开(公告)号：CN113505821A
公开(公告)日：2021-10-15
申请号：CN202110726015.6
申请日：2021-06-29
Applicant: 重庆邮电大学
Abstract: 本发明属于图像识别领域，具体涉及一种基于样本可信度的深度神经网络图像识别方法及系统，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深度神经网络模型中，再将每个图像传入预识别网络后的输出的结果，经过Softmax处理后的最大值，作为该图片的可信度，对于可信度高的图片，在经历浅层卷积模块后即得到识别结果，对于低可信度图片，将进入到下一层网络再次进行特征提取、预识别，再重复以上操作，即计算其可信度直到图片可信度达到高可信度或者最深层网络；本发明样本分流的方式，减少了网络的计算量，训练过程中实现可信样本与不可信样本的分层隔离训练，提高各自的识别准确率，与抗干扰能力。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.021 seconds)
