-
公开(公告)号：CN109977250A
公开(公告)日：2019-07-05
申请号：CN201910211486.6
申请日：2019-03-20
Abstract: 本发明公开了一种融合语义信息和多级相似性的深度哈希图像检索方法，包括以下步骤；S1，构建图像数据库；S2，构建标签向量矩阵和语义向量矩阵；S3，构建相似度矩阵；S4，搭建深度哈希神经网络模型，将原始图像转换为近似哈希向量；S5，构建对相似图片哈希向量的海明距离有下界约束的损失函数；S6，对搭建的深度哈希神经网络模型进行训练；S7，构建图像的哈希向量数据库；S8，将待检索图像的哈希向量与哈希向量数据库里的向量进行对比，以找出相似的图像。本发明通过融合语义信息，提高了图像检索的精度；并通过约束两张相似图片所对应哈希向量间的海明距离的下界，提高了检索性能。
-
公开(公告)号：CN109064294A
公开(公告)日：2018-12-21
申请号：CN201810953583.8
申请日：2018-08-21
CPC classification number: G06Q30/0631 , G16H20/10
Abstract: 本发明公开一种融合时间因素、文本特征和相关性的药品推荐方法。获取用户和药品的交互信息，所述交互信息包括用户对药品的评分信息以及相对应的时间戳信息；构建时间动态模型，所述时间动态模型包括药品基线偏差值模型、用户基线偏差值模型以及用户潜在兴趣模型；收集并处理第一信息得到第三信息，采用卷积神经网络提取第三信息中的文本特征；构建药品的相关性矩阵；构建个性化推荐模型并进行训练，得到用户和药品的潜在因子矩阵；计算用户对药品的预测评分，将评分高的药品推荐给用户。本发明能有效解决药品推荐准确率低、实时性差的技术问题，将药品实时推荐给所需的用户。
-
公开(公告)号：CN106776928A
公开(公告)日：2017-05-31
申请号：CN201611090471.1
申请日：2016-12-01
Applicant: 重庆大学
Abstract: 本发明提出一种基于内存计算框架、融合社交环境及时空数据的位置推荐方法，搭建形成包含master主机和slave从机的集群，处理用户签到数据得到用户签到矩阵；从社交网络中去获取用户的社交好友关系数据，得到用户之间的社交关系矩阵；对社交环境进行分析和量化；构建推荐模型，对用户签到矩阵按时间进行拆分，将多种社交因素作为约束条件对矩阵进行分解，得到用户隐特征矩阵和位置隐特征矩阵，将用户隐特征矩阵和位置隐特征矩阵进行合并预测用户在每个时间状态下的签到偏好矩阵，采用投票方案将不同时间状态下的预测矩阵合并为统一的位置偏好预测矩阵；将得到的位置偏好预测矩阵的数据提取，输出分析结果。该方法计算速度快，准确性高。
-
公开(公告)号：CN103246740B
公开(公告)日：2016-12-28
申请号：CN201310184705.9
申请日：2013-05-17
Applicant: 重庆大学
IPC: G06F17/30
Abstract: 本发明提出一种迭代的基于用户点击的优化搜索和满意度提升方法和系统，属于优化搜索领域。该方法为；A、根据搜索关键字，从查询日志中提取该关键字的点击的页面，从查询日志中提取点击这些页面的关键字，重复以上过程直至收敛，将这些关键字和相应点击页面构建成二部图，将此图作为输入，利用IA-CLICK方法进行相似度迭代计算；B、基于步骤A求出的页面对的相似度集合，利用相关度R(q,d)衡量公式求出用户提供的查询关键字和页面的相关度，进行搜索结果的重排序；C、利用用户对重排序搜索结果的点击情况，利用用户满意度us衡量公式进行搜索评价；本发明具有用户负担小、关联性强、评价框架简洁高效等特点；提高了方法的效果的真实性和灵活性。
-
公开(公告)号：CN103310353B
公开(公告)日：2016-11-02
申请号：CN201310283977.4
申请日：2013-07-05
Applicant: 重庆大学
Abstract: 本发明提出一种抗攻击的数据过滤优化系统和方法，包括：交易记录模块，用于将用户参与交易的全部历史数据进行记录；评价数据获取模块，用于获取交易记录模块历史数据中的评价数据；评价数据过滤模块，用于将所述评价数据获取模块获取评价数据，过滤出具有攻击性的评价数据，将具有攻击性的评价数据输出到仲裁模块；仲裁模块，用于提取交易记录模块的历史数据中的客观数据，将所述客观数据进行仲裁分析计算得到仲裁值，将仲裁分析计算后仲裁值传输到优化计算模块；优化计算模块，用于综合所述历史数据中的评价数据、所述具有攻击性的评价数据以及所述仲裁分析计算后的客观数据来计算每个用户的信誉值，将所述信誉值采用优化权值模型进行计算。
-
Patent Agency Ranking
公开(公告)号：CN101997876B
公开(公告)日：2014-08-27
申请号：CN201010533806.9
申请日：2010-11-05
Applicant: 重庆大学
IPC: H04L29/06
Abstract: 本发明公开了一种基于属性的访问控制模型及其跨域访问方法，基于属性的访问控制模型包括第一管理域和第二管理域，其特征在于：还包括证书服务器和属性管理服务器。系统的跨域访问方法包括、证书服务器分别给第一管理域和第一管理域颁发服务器证书；用户通过登录第一管理域，将属性证书下载至本地磁盘保存；用户向第二管理域提交属性证书；第二访问控制服务器确认属性证书；第二访问控制服务器提取属性值，判定该用户操作的合法性。其显著特点是：可以将用户的角色和管理域都视为用户的单一属性，能够有效解RBAC模型中关于复杂角色条件下用户-角色-权限赋值的效率问题。同时对于开放网络环境中的匿名用户也提供了相应的访问控制方法。
-
公开(公告)号：CN102509280B
公开(公告)日：2013-09-18
申请号：CN201110355867.5
申请日：2011-11-10
Applicant: 重庆大学
Abstract: 本发明公开了一种多聚焦图像融合方法，属于图像处理领域。在多聚焦图像融合过程中采用增强差分演化方法和扩块选择机制图像融合方法，其中相比于标准差分演化方法，该增强差分演化方法根据图像的大小，区间初始化种群，在每一次迭代后进行种群判断，在种群中各个体相同的前提下保留其中一个个体，再利用标准差分演化算法的初始化方法，在相应的区间上重新初始化其余个体，一起作为新一代种群，加强局部搜索，由此获得图像的最佳分块大小；另外，在图像块的适应度相等时，选择扩展块，比较获得融合的图像块。通过本发明，提高了图像融合中寻找最佳分块大小的效率，并且降低了计算的复杂度；另外，在图像融合中充分考虑了整体融合图像的清晰度。
-
公开(公告)号：CN119992299A
公开(公告)日：2025-05-13
申请号：CN202510077898.0
申请日：2025-01-17
Applicant: 重庆大学
Abstract: 本发明公开了一种基于生成噪声估计的无参考图像质量评价方法，包括以下步骤：S1：训练第一神经网络模型和第二神经网络模型。第一神经网络模型的训练步骤包括：将失真图像样本输入至编码器中将失真图像特征映射至潜在空间中；在潜在空间中进行采样，通过解码器生成不同级别的噪声图像；将失真图像输入至扩散模型进行退化修复，并生成伪参考图像；将伪参考图和噪声图像进行叠加，并与失真图像计算损失函数进行参数优化。将失真图像输入至训练好的第一神经网络模型后，生成不同级别的噪声图像。将不同级别的噪声图像输入至训练好的第二神经网络模型，生成图像质量分数；本发明能够准确的模拟失真图像退化，并学习图像失真，提高了评估的准确性。
-
公开(公告)号：CN118097212B
公开(公告)日：2025-03-21
申请号：CN202311559706.7
申请日：2023-11-22
Applicant: 重庆大学
IPC: G06V10/764 , G06V10/77 , G06V10/25 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于层内‑层间融合的小目标检测方法及相关产品，属于图像处理技术领域。其方法包括，多种小目标的自然图像，对所述自然图像中的小目标进行类别和位置标记，构建小目标数据集；构建目标检测网络模型对小目标数据进行特征提取，获取多组多尺度特征图；采用基于层内‑层间融合的特征融合方法，对提取出的多尺度特征图进行融合，得到层内‑层间融合特征图；利用增强后的层内‑层间融合特征图进行预测并对预存结构进行评估得到训练好的目标检测网络模型并对待检测图像进行目标预测。本发明不仅能解决传统层间融合方法无法学习小目标精细的局部表示的问题，还能改善基于IoU的度量方法所出现的检测小目标位置不稳定的情况。
-
公开(公告)号：CN118608829A
公开(公告)日：2024-09-06
申请号：CN202410652738.X
申请日：2024-05-24
Applicant: 重庆大学
IPC: G06V10/764 , G06V10/44
Abstract: 本发明公开了基于两阶段注意力定位框架的细粒度图像分类方法及系统，属于图像处理技术领域。方法包括：使用两种不同的划分模式处理图像，得到不重叠补丁序列和重叠的补丁序列，并分别对每个序列合并一个类令牌；第一阶段，不重叠补丁序列输入到基于Transformer编码器的特征提取器中以生成注意力分数和一个类令牌；第二阶段整合所有层的注意力分数，通过排序操作识别关键补丁位置，并提取这些位置上的重叠补丁序列作为复用特征提取器的输入，通过保留相邻区域的局部信息，以获取更精细的类令牌和图像特征；最终生成两个阶段的类令牌和最终的图像特征作为训练损失的组成部分。使用该方法便于提高细粒度图像分类精度。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.022 seconds)
