-
公开(公告)号：CN119888221A
公开(公告)日：2025-04-25
申请号：CN202411912501.7
申请日：2024-12-24
Applicant: 重庆邮电大学
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及一种面向高分辨率遥感图像的多尺度双分支语义分割方法，属于计算机技术领域。该方法包括：采集数据集并预处理；构建浅层特征提取融合模块，该模块通过双分支结构的ResNet分别处理VIS和DSM数据，利用卷积层提取特征后经特征融合模块融合，能充分挖掘不同数据源特征并融合；构建深层特征提取融合模块，该模块的SCSA层结合通道与空间注意力处理特征图，跨模态自注意力层计算跨模态注意力并融合结果；接着构建级联解码器，再用训练集训练网络，最后用测试集测试网络。该方法解决了高分辨率遥感图像语义分割中地物特征复杂多样、空间分布不均及VIS和DSM数据信息融合不充分等问题。
-
公开(公告)号：CN119360635A
公开(公告)日：2025-01-24
申请号：CN202411370624.2
申请日：2024-09-29
Applicant: 重庆邮电大学
IPC: G08G1/065 , G08G1/01 , G06N3/0442
Abstract: 本发明涉及一种基于长短期时空图神经网络的交通流预测方法，属于计算机技术领域。该方法为：输入长时间序列的交通流数据，将长时间序列划分成等长的非重叠的子序列，为了提高模型的运行效率，对子序列进行掩码重构；接着将处理后的子序列分别送入长期特征提取器、短期特征提取器与周期特征提取器，再将提取到的特征进行拼接，最终通过多层感知机进一步处理这些拼接的特征，得到最后的预测结果。该方法让子序列成为特征提取的基本单位，并引入掩码机制，使得模型使模型可以从长时间序列中学习压缩的、上下文信息丰富的子序列表示。通过堆叠多层扩张因果卷积进行特征提取，捕捉长时间序列中的趋势特征，避免传统预测算法中面临的梯度消失问题。
-
公开(公告)号：CN117671414A
公开(公告)日：2024-03-08
申请号：CN202311537095.6
申请日：2023-11-17
Applicant: 重庆邮电大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06V10/52 , G06V10/80 , G06N3/0464
Abstract: 本发明涉及一种基于部分卷积嵌入和聚集分发机制的目标检测方法，属于计算机视觉技术领域。该方法包括：获取目标检测公共数据集，将其标注文件转换为YOLO格式文件，并划分为训练集、验证集和测试集；使用目标检测网络YOLOv8作为检测模型的主框架，搭建基于部分卷积嵌入和聚集分发机制的目标检测网络模型，包括空间特征提取模块和多尺度信息融合模块，通过将部分卷积嵌入到骨干网络来提取空间特征信息以及使用聚集分发机制增加模型的多尺度信息融合能力；基于训练集训练上述所改进的模型，得到最优的目标检测模型；本发明的目标检测模型在检测效率提高的同时对小目标检测能力更强，且拥有更高的总体精确度。
-
公开(公告)号：CN117571014A
公开(公告)日：2024-02-20
申请号：CN202311520271.5
申请日：2023-11-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种结合图像描述和文本生成图像的视觉语言导航方法，属于视觉语言导航技术领域。该方法为：获取视觉语言导航任务的自然语言目标指令和当前所处位置的视觉图像；通过场景描述模块生成基于当前场景的详尽自然语言描述；通过文本生成图像模型生成与所描述场景有着类似核心物品对象以及核心场景布局的相似场景；将当前场景和对应相似场景通过多层Transformer结构和细尺度跨模态编码器进行编码；将当前场景编码和相似场景编码动态融合生成综合考虑了当前真实场景和对应相似场景的融合动作预测。该方法通过为任务训练提供额外的视觉数据输入，解决了视觉语言导航任务的数据稀缺问题，提高了智能体的任务性能和模型的泛化能力。
-
公开(公告)号：CN113011384B
公开(公告)日：2022-11-25
申请号：CN202110390662.4
申请日：2021-04-12
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于轻量化卷积的无锚框目标检测方法，属于计算机视觉目标检测领域。该方法包括：S1：构造轻量化的骨干网络，并输入图片到轻量化的骨干网络中，提取特征图；S2：根据得到的特征图进行左上角点和右下角点的池化操作；S3：池化后的左上角点、右下角点都分别进行十字星变形卷积与角点预测操作；S4：根据预测的角点和向心位移算法进行角点匹配，由预测边界框的得分输出最终结果。本发明采用的无锚框的设计思想，在训练过程中可以解决正负样本不平衡，超参数设计复杂，锚框的复杂计算等问题，同时轻量化的骨干网络可以达到有效压缩网络模型，降低模型参数量，减少计算资源消耗，提升运算速度的效果。
-
Patent Agency Ranking
公开(公告)号：CN113076998A
公开(公告)日：2021-07-06
申请号：CN202110357657.3
申请日：2021-04-01
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于kubernetes深度神经网络模型的分布式分类方法，属于深度学习和云计算领域。S1：获取数据集，对数据集进行标注，进行标准化处理，数据分为训练集和测试集；将标准化处理后的训练集输入多个不同的深度神经网络模型进行训练；输入测试集获取对应模型的准确率，根据准确率高低分配权重；S2：模型部署；采用kubernetes容器编排系统，合理部署分类模型。本发明使用容器技术，解决了深度神经网络模型推理延迟较大的问题，同时利用集成学习的思想，使得模型的推理能力更强。
-
公开(公告)号：CN106708789A
公开(公告)日：2017-05-24
申请号：CN201510784305.0
申请日：2015-11-16
Applicant: 重庆邮电大学 , 腾讯科技(深圳)有限公司
Abstract: 本发明实施例提供一种文本处理方法及装置，其中的方法可包括：获取即时通讯应用中与目标用户关联的文本消息；将所述文本消息划分为至少一个分词；分别计算所述至少一个分词中每一个分词的情感极性；将每一个所述分词按照所述分词的情感极性对应的情感语音进行播放。本发明可将即时通讯应用中的文本消息采用情感语音进行播放，不仅提高了文本消息展示的趣味性，而且减少用户的用眼时间，使用极其方便。
-
公开(公告)号：CN102857565B
公开(公告)日：2015-05-27
申请号：CN201210320051.3
申请日：2012-09-03
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于云服务器的智能试衣系统。该系统使用智能终端采集数据，并将数据通过无线网络传输到云服务器端，云服务器端搜集多个智能终端所采集到的文件信息，并将文件信息存储在各个节点上。当多个用户发出请求时，云服务器端通过将任务分块并分配不同的空闲资源上去处理，通过综合分析数据得到试衣效果图和搭配建议、颜色及价格等，并将处理结果返回在智能终端显示，实现智能终端与云服务器之间的海量数据传输和海量数据处理。
-
公开(公告)号：CN102722653B
公开(公告)日：2015-02-25
申请号：CN201210177933.9
申请日：2012-05-31
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于MapReduce的射线跟踪加速算法。首先确定源点和场点，从各源点发射的射线经过建筑物的反射后到达对应的场点；然后判断从源点发射的射线是否为有效射线；如果是，则分别记录射线到达各场点的三维坐标与该射线到达此场点的特征值；最后建立Map函数来处理特征值，得到特征值的场强、到达角、延迟和极化四个参数。本发明采用基于MapReduce的射线跟踪加速算法用于大规模数据集的并行运算。而射线跟踪过程中所跟踪的射线量巨大，计算时间长，各个射线相互独立，具有自然的并行性，因此，在进行射线跟踪时，将射线跟踪与MapReduce结合，射线跟踪的运算效率提高。
-
公开(公告)号：CN103440316A
公开(公告)日：2013-12-11
申请号：CN201310380017.X
申请日：2013-08-27
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种和云服务器可以网络通信的智能衣柜及其控制处理方法。该衣柜可为用户存放衣物、搭配衣物及购买衣物时提供更多参考信息，帮助用户智能快捷的存放衣物、搭配个性衣物。同时该衣柜在用户使用的同时收集了很多用户使用信息到云服务器里，为品牌商家设计服装和其他用户参考提供服务。可广泛应用与智能家居系统。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.031 seconds)
