-
公开(公告)号：CN108509938A
公开(公告)日：2018-09-07
申请号：CN201810338982.3
申请日：2018-04-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于视频监控的跌倒检测方法，属于数字图像处理和模式识别领域。该方法包括：人体目标提取阶段：采用三帧差法和高斯混合背景建模相结合来提取视频中的人体目标前景，有效去除图像中的高频噪声、阴影，准确地提取检测目标；跌倒检测阶段：提取的人体目标轮廓的质心、宽高比和Hu矩特征融合，利用支持向量机算法判别跌倒行为和非跌倒行为。本发明通过摄像头采集图像进行检测，相较于通过穿戴设备传感器和物联网信息采集信息做出判断，更加方便，具有非强制性。并且，对图像进行处理和模式识别不仅具有实时性强，准确度高的特点，也不会影响正常的生活。
-
公开(公告)号：CN107122776A
公开(公告)日：2017-09-01
申请号：CN201710243464.9
申请日：2017-04-14
Applicant: 重庆邮电大学
CPC classification number: G06K9/3258 , G06K9/34 , G06K9/4647 , G06K9/4652 , G06K9/6277 , G06N3/084
Abstract: 本发明请求保护一种基于卷积神经网络的交通标志检测与识别方法，属于数字图像处理和机器学习领域。包括步骤：首先，将预处理后的RGB图像转换到HSV颜色空间，通过阈值设定得到感兴趣区域。然后，设计区分交通标志与非交通标志的二分类卷积神经网络，以此来判断感兴趣区域是否为交通标志。得到交通标志的位置后，使用基于卷积神经网络的交通标志识别方法，调整卷积神经网络的层数、特征图数量等参数，通过大量训练样本来学习网络中的参数，进而识别不同位置的交通标志的类别。实验表明，该方法对交通标志的变形、局部遮挡、倾斜等具有较好的适应性，在识别效果和识别效率方面均体现了良好的性能。
-
公开(公告)号：CN118154568A
公开(公告)日：2024-06-07
申请号：CN202410342048.4
申请日：2024-03-25
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06T7/10 , G06T7/136 , G06V10/764 , G06N3/0464 , G06N3/0895
Abstract: 本发明涉及一种基于图像增强和弱监督学习的脑血肿图像分割方法，属于数字图像处理领域。该方法包括：采集分类图数据和分割图数据，通过阈值处理法提取分类图和分割图中的脑血肿伪标签，同时生成伪正常图，通过原图减去所述伪正常图得到出血区域残差增强图；构建脑血肿图像分割模型，并采用残差增强图进行训练；该脑血肿图像分割模型结构以TransUnet为主干网络，在其编码器后添加有分类器模块和激活图提取器模块，在其解码器后添加有分割模块；通过训练好的脑血肿图像分割模型对脑出血图片的血肿区域进行分割。本发明使用大量的分类数据和少量的分割数据集，使得模型能学习大量的分类特征，可增强模型分割的鲁棒性。
-
公开(公告)号：CN112837276B
公开(公告)日：2023-09-29
申请号：CN202110075763.2
申请日：2021-01-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于级联深度神经网络模型的脑胶质瘤分割方法，属于医学图像处理领域。该模型包括WT‑Net、TC‑Net和ET‑Net编码解码子模块，并且WT‑Net编码解码子模块与TC‑Net编码解码子模块级联，TC‑Net编码解码子模块与ET‑Net编码解码子模块级联；编码解码子模块皆包括编码部分、解码部分和跳层连接。本发明将复杂的多分类问题分解成三个二分类问题，级联模型解决了样本利用程度不高、训练样本不均衡以及特征提取过程中全局信息损失问题，实现了MRI图像脑胶质瘤自动分割，对医生诊断病情具有辅助作用。
-
公开(公告)号：CN111931665B
公开(公告)日：2023-02-21
申请号：CN202010813209.5
申请日：2020-08-13
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于类内变化字典建模的欠采样人脸识别方法，属于数字图像和模式识别领域。该方法包括：字典学习阶段：通过鲁棒主成分分析法获得通用数据集的稀疏误差图像，将其作为类内变化字典，提供更多的类内变化信息；人脸识别阶段：将学习到的字典添加到扩展的基于稀疏表示分类的框架中以完成人脸识别过程。本发明通过鲁棒主成分分析法提取类内变化字典，相较于扩展的基于稀疏表示分类法，欠采样人脸识别的结果更有效，更具有鲁棒性，尤其是在跨数据库上的识别。
-
Patent Agency Ranking
公开(公告)号：CN112016489B
公开(公告)日：2022-10-04
申请号：CN202010911071.2
申请日：2020-09-02
Applicant: 重庆邮电大学
IPC: G06V40/10 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种保留全局信息并增强局部特征的行人再识别方法，包括以下步骤：S1：把原始行人图像的尺寸大小变更为384×128×3；S2：通过全局‑分支和局部‑分支分别提取行人的全局特征信息和局部特征信息；S3：融合引导模块把全局特征信息分别和每个局部特征信息融合：S4：将全局‑分支和局部‑分支的全局平均池化后的特征输入三元组损失函数进行度量学习，并将全局‑分支、局部‑分支和融合引导模块三个部分的特征输入交叉熵损失函数进行分类学习；S5：将全局‑分支、局部‑分支和融合引导模块三个部分的特征输入各自已训练的分类器中，输出行人再识别分类结果。本发明能够弱化行人图像中遮挡、图像模糊和行人未对齐的问题。
-
公开(公告)号：CN114758131A
公开(公告)日：2022-07-15
申请号：CN202210457964.3
申请日：2022-04-27
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于空间特征传导的脑组织图像分割方法，属于数字图像处理领域。该方法包括S1：获取并预处理脑组织图像，然后将预处理后的图像划分为训练集和验证集；S2：构建图像分割网络模型，通过改进的卷积长短期记忆，逐切片地提取并传导空间特征，同时通过上采样和下采样操作，在整个分割网络中传导并优化空间特征；S3：将训练集输入图像分割网络模型训练，然后将验证集输入训练好的图像分割网络模型得到图像中每个像素属于每个类别的概率。本发明能够从各向异性分辨率的三维医学图像中，提取更准确的空间特征。另外，本发明提出的空间特征传导模块可以很容易地嵌入到现有的网络模型中，提升网络性能。
-
公开(公告)号：CN113516671B
公开(公告)日：2022-07-01
申请号：CN202110902377.6
申请日：2021-08-06
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于U‑net和注意力机制的婴幼儿脑组织图像分割方法，属于图像处理领域。该方法包括如下步骤：对训练样本按照32×32×32像素大小随机取一定的样本组成训练集；搭建Dense‑Unet网络模型；使用Dense‑Unet网络模型对训练集进行训练、调参，得到最佳分割模型并保存；比较模型预测结果和手工标签的结果，得到易分错区域的分布图；使用高斯函数对每个样本的易分错区域的分布图进行模糊化，并求平均值；对训练样本按照一定比例组成训练集；设计一个包含空间和易分错区域的自注意力机制加入到网络模型中；使用新的网络模型对训练集进行训练、调参，得到最佳分割模型并保存。
-
公开(公告)号：CN110866565B
公开(公告)日：2022-06-24
申请号：CN201911176738.2
申请日：2019-11-26
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62
Abstract: 本发明涉及一种基于卷积神经网络的多分支图像分类方法，属于图像处理领域，该方法包含如下步骤：S1：提取主干神经网络中的各个尺度的特征图；S2：对相邻的特征图相加形成多个分支并且每个分支设置单独的一个输出；S3：结合主干网络的输出，通过投票各个输出的结果得到一个辅助输出，最后选取所有输出中准确率最高的。最后，本发明方法能够准确的对图像分类，在各个数据库上都有较高的识别效果。
-
公开(公告)号：CN112837276A
公开(公告)日：2021-05-25
申请号：CN202110075763.2
申请日：2021-01-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于级联深度神经网络模型的脑胶质瘤分割方法，属于医学图像处理领域。该模型包括WT‑Net、TC‑Net和ET‑Net编码解码子模块，并且WT‑Net编码解码子模块与TC‑Net编码解码子模块级联，TC‑Net编码解码子模块与ET‑Net编码解码子模块级联；编码解码子模块皆包括编码部分、解码部分和跳层连接。本发明将复杂的多分类问题分解成三个二分类问题，级联模型解决了样本利用程度不高、训练样本不均衡以及特征提取过程中全局信息损失问题，实现了MRI图像脑胶质瘤自动分割，对医生诊断病情具有辅助作用。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.02 seconds)
