-
公开(公告)号：CN109977820A
公开(公告)日：2019-07-05
申请号：CN201910194587.7
申请日：2019-03-14
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种疲劳驾驶判定方法，属于图像处理领域。该方法分为三个部分：驾驶员嘴部疲劳检测、驾驶员眼部疲劳检测以及驾驶员整体疲劳驾驶判定。该方法旨在解决现有检测率不高、实用性较差只能解决单帧图像下的疲劳检测的问题。在数据集的测试中能够达到更好的检测效果。此外，本方法还能为车载摄像头之类的车内设备嵌入式开发提供技术支持。
-
公开(公告)号：CN106650669A
公开(公告)日：2017-05-10
申请号：CN201611227125.3
申请日：2016-12-27
Applicant: 重庆邮电大学
IPC: G06K9/00
CPC classification number: G06K9/00228 , G06K9/00268 , G06K9/00906
Abstract: 本发明请求保护一种鉴别仿冒照片欺骗的人脸识别方法，属于数字图像处理和模式识别领域。识别方法通过分析真、假人脸图像的成像差异，采用图像颜色分布、反射比率和模糊度特征实现鉴别人脸仿冒照片欺骗。首先，将彩色图像转换到HSV颜色空间后提取色彩分布特征；将彩色图像转换到YUV颜色空间图像后提取镜面反射特征；使用灰度共生矩阵提取模糊度特征。然后，综合颜色分布特征、镜面反射特征和模糊度特征作为真假人脸图像的判别信息，使用支持向量机算法分类得出真假人脸图像的判断。该方法可以作为独立模块融入到现有的人脸识别算法中，提供人脸识别系统的安全性和可靠性。
-
公开(公告)号：CN119693393A
公开(公告)日：2025-03-25
申请号：CN202411859551.3
申请日：2024-12-17
Applicant: 重庆邮电大学
IPC: G06T7/11 , G06T7/00 , G06T5/50 , G06V10/80 , G06T3/4038 , G06N3/0464 , G06N3/0455 , G06N3/0499 , G06N3/08
Abstract: 本发明属于数字图像处理和模式识别领域，具体涉及一种基于可逆特征生成的磁共振脑肿瘤分割方法，包括构建并训练人脑肿瘤图像分割模型，将待处理图像输入训练好的人脑肿瘤图像分割模型得到分割结果；所述人脑肿瘤图像分割模型包括多模态并行处理模块、全局‑局部特定模态特征交互模块、可逆提示生成模块、分组融合引导模块；本发明能够提升磁共振脑肿瘤图像对整个肿瘤区域、肿瘤核心区域和增强肿瘤区域的分割精度。
-
公开(公告)号：CN118365874A
公开(公告)日：2024-07-19
申请号：CN202410357711.8
申请日：2024-03-27
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于图像语义信息融合的脑组织分割方法，属于数字图像处理技术领域，包括以下步骤：S1：获取多模态脑组织MR图像数据集，将数据集划分为训练集和测试集；对训练集和测试集的数据进行分块，即将三维数据进行裁剪并进行预处理；S2：通过两个编码流分别处理训练集中的T1加权模态和T2加权模态MR图像，将得到的两种不同模态的特征进行融合，得到融合特征；S3：将所述融合特征通过位置变换的方式计算切块之间的相似性；S4：从前两层编码器选择特征映射，以深监督的方式提供具有细粒度约束的边界特征映射来辅助分割；S5：训练完成后，利用测试集测试由步骤S2‑S4构建的脑组织分割模型。
-
公开(公告)号：CN117994591A
公开(公告)日：2024-05-07
申请号：CN202410312685.7
申请日：2024-03-19
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/74 , G06V10/774 , G06V10/762 , G06V10/77 , G06N3/08
Abstract: 本发明涉及一种基于度量原型校准的小样本图像分类方法，属于图像处理技术领域。该方法为：S1：对基类类别样本做全分类预训练，获得一个具有基类类别先验信息的特征提取器；S2：利用小样本图像分类任务中的支持集和查询集计算出类别初始化原型和伪类标签，将伪类标签扩充到支持集中，形成增广支持集，通过该增广支持集实现对初始化原型偏差的校准；S3：将初始化原型与任务中查询集样本做原型‑查询对比学习，获取优化映射空间；S4：将测试任务的样本嵌入为高维向量，获得类别校准原型，得出预测结果分布。本发明适用于可用样本量较低的小样本场景中，注重提高模型性能下限，有助于获取不同类别的样本更有区分度的特征。
-
Patent Agency Ranking
公开(公告)号：CN116205936A
公开(公告)日：2023-06-02
申请号：CN202310350733.7
申请日：2023-04-04
Applicant: 重庆邮电大学
IPC: G06T7/11 , G06N3/0464 , G06N3/08 , G06T17/00 , G06T9/00 , G06V10/80 , G06V10/774
Abstract: 本发明涉及一种引入空间信息和注意力机制的图像分割方法，属于图像分割领域。具体包含如下步骤：S1：数据准备阶段：预处理大脑医学影像，从预处理过的图像中裁剪出图像块；S2：特征编码阶段：通过预激活的3D卷积提取图像特征；S3：特征解码阶段：将编码阶段得到的特征图通过反卷积以及具有位置编码的注意力机制恢复原图像尺寸大小，完成图像分割过程。本发明通过注意力机制去关注空间信息，提升了网络分割性能。
-
公开(公告)号：CN116012401A
公开(公告)日：2023-04-25
申请号：CN202211607939.5
申请日：2022-12-14
Applicant: 重庆邮电大学
IPC: G06T7/13 , G06V10/40 , G06V10/82 , G06V10/80 , G06V10/774
Abstract: 本发明涉及一种引入特征融合与边缘检测的图像分割方法，属于图像分割领域，包括以下步骤：S1：数据准备阶段：获取并预处理脑组织图像，将预处理后的图像分为训练集和验证集，将三维图像切成预设大小的图像块；S2：特征编码阶段：通过普通3D卷积以及可形变3D卷积提取图像特征；S3：特征解码阶段：将编码阶段的特征传递融合，利用上采样恢复图像特征；S4：边缘检测阶段：取编码阶段的三层特征作为提取边缘信息的来源，利用边缘信息聚合模块对三层特征充分学习，最终学习到边缘信息；将此阶段的结果与步骤S3中恢复的图像特征的结果拼接，得到分割结果。
-
公开(公告)号：CN114330506A
公开(公告)日：2022-04-12
申请号：CN202111497619.4
申请日：2021-12-09
Applicant: 重庆邮电大学
IPC: G06K9/62
Abstract: 本发明涉及一种引入噪声信息和构建相似度空间的小样本识别方法，属于数字图像处理领域。该方法包含如下步骤：预训练阶段：噪声干扰阶段；生成新的支撑集；构建相似度空间阶段：分别计算基础数据集中每个类的特征中心支持集和查询集中每个类的特征中心间的相似性。该相似度用于替换原始支持集和查询集的特征，在相似度空间中形成新的特征表示；分类阶段：通过全连接层融合前两阶段结果，然后用余弦相似度进行分类得出结果。本发明在传统图像特征的基础上引入噪声信息，并构建相似空间，应用在小样本图像识别任务中可以更好的增加图像类别之间的差异性。同时，与其他方法相比，我们的方法拥有更小的计算量，更快的计算速度。
-
公开(公告)号：CN113312965A
公开(公告)日：2021-08-27
申请号：CN202110410718.8
申请日：2021-04-14
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于真实人脸特征的未知欺骗攻击检测方法及系统，属于人脸识别领域，包括输入人脸图像，对其进行预处理；将人脸图像输入到图像聚类模块网络，提取人脸图像的数据特征；通过提取的数据特征对人脸图像进行分类路由到四个图像聚类中，每个聚类中的人脸图像都具有相似的真实人脸特征缺失；由图像聚类分别对应的真实人脸特征分类网络提取人脸图像所具备的真实人脸特征图；通过提取得到的真实人脸特征图的完整性判断输入人脸图像是否为虚假人脸图像。本发明的方法能够有效检测未知欺骗攻击。同时，本发明在对网络完成训练后应用时计算成本较低，增加了相关产品的适用性。
-
公开(公告)号：CN111428689A
公开(公告)日：2020-07-17
申请号：CN202010313701.6
申请日：2020-04-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种多池化信息融合的人脸图像特征提取方法，属于数字图像处理技术领域。该方法为：数据预处理阶段：对于输入的人脸图像，首先利用人脸检测方法提取出含有较少背景信息的人脸，对该部分进行裁剪并重新调整裁剪图像尺寸；局部特征提取阶段：通过特征累加的形式，将全局最大池化特征与全局平均池化特征融合，得到增强的局部特征；全局特征提取阶段：通过特征连接的形式，将全局最大池化特征与全局平均池化特征融合，得到增强的全局特征；将得到的局部特征与全局特征以特征连接的方式融合，得到对人脸姿态变化鲁棒的增强特征。本发明结合全局特征信息与局部差异信息，使得融合后的特征信息能更好的表示任意姿态下人脸图像的身份特征。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.058 seconds)
