-
公开(公告)号：CN119559051A
公开(公告)日：2025-03-04
申请号：CN202411639455.8
申请日：2024-11-18
Applicant: 重庆邮电大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于AGFI和CFUM的遥感图像任意尺度超分辨率重建方法，包括获取低分辨率遥感图像数据训练遥感图像任意尺度超分辨率网络模型，采用训练好的遥感图像任意尺度超分辨率网络模型实现遥感图像任意尺度超分辨率重建；所述遥感图像任意尺度超分辨率网络模型包括特征提取模块、特征交互模块和两级上采样模块；本发明可以提高遥感图像重建精度。
-
公开(公告)号：CN119540701A
公开(公告)日：2025-02-28
申请号：CN202411695051.0
申请日：2024-11-25
Applicant: 重庆邮电大学
IPC: G06V10/80 , G06V10/764 , G06V10/774 , G06V10/82 , G06V20/13 , G06N3/0464 , G06N3/048 , G06N3/092
Abstract: 本发明属于计算机视觉技术领域，涉及基于多尺度特征融合的遥感目标检测方法、系统以及介质，包括：获取遥感图像并输入自下而上的特征提取主干网络，得到多层级特征图Ck；将Ck输入多向特征强化网络，得到多尺度特征图Yk；将Yk输入自上而下的特征提取主干网络，得到多尺度融合特征图Pk；将Pk输入目标检测网络进行目标检测，得到检测结果；本发明的多向特征强化网络对每一层级的特征图进行全方位的频域信息增强，并对频域增强特征进行不同尺度的特征强化，并利用坐标注意力机制对H、W维度进行双向空间编码和特征权重优化，全面关注了特征层低维度与高纬度的频率域和空间域的多重信息，有效提高对小目标的检测能力并增强应对复杂背景的能力。
-
公开(公告)号：CN115331003A
公开(公告)日：2022-11-11
申请号：CN202210448097.7
申请日：2022-04-27
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种极坐标下基于轮廓点表示掩膜的单阶段实例分割方法。首先使用ResNet和本发明设计的LRFE模块作为主干网络，弥补了下采样造成的信息损失，同时在一定程度上增强了网络对小目标的捕获能力。其次使用FPN实现特征融合。然后使用ICKS模块和检测头组成检测网络，ICKS模块提高了检测网络对未知变化的适应性和泛化能力。接下来增加语义分割分支，使网络模型在语义信息的引导下补充和矫正实例分割的结果。此外，被发明还使用自适应优化器灵活而稳定地收敛损失函数。相比于目前最新的实例分割网络，本发明为单阶段实例分割开辟了新的思路，其优点在于简化了实例掩膜的建模过程，同时在训练阶段没有锚框的限制，因此性能更优，分割效果更好。
-
公开(公告)号：CN109859242B
公开(公告)日：2022-09-09
申请号：CN201910040310.9
申请日：2019-01-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种预测自适应学习的目标跟踪方法，属于图像处理领域。该方法具体包括：S1：输入第t帧图像，利用运动向量预测目标位置；S2：通过LogGabor滤波器获得相位一致性图像；S3：采集正、负样本，利用随机稀疏矩阵的提取特征，并计算正负样本的压缩特征；S4：选取朴素贝叶斯分类器响应最大的候选位置作为当前帧的目标；S5：计算目标窗口相似度来自适应地更新分类器；S6：输出第t帧的目标位置及更新后的模型参数。本发明在跟踪成功率上有显著提升，平均中心误差明显降低，提高了原算法在光照变化、遮挡等情况下的跟踪精度，有着良好的跟踪性能。
-
Patent Agency Ranking
公开(公告)号：CN114998382A
公开(公告)日：2022-09-02
申请号：CN202210444849.2
申请日：2022-04-26
Applicant: 重庆邮电大学
IPC: G06T7/246 , G06T7/215 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/44 , G06V10/764 , G06V10/28 , G06V10/82
Abstract: 本发明公开了一种基于掩膜信息的在线更新目标跟踪方法，涉及计算机视觉，目标跟踪技术领域。该方法主要由特征提取模块、目标定位模块、目标分割模块和细化模块组成，为了保持跟踪算法的实时性，本方法选择使用ResNet‑18的前三层特征作为骨干特征网络，细化模块的输入为图片本身，其对图片直接使用细粒度模块提取特征，意在最大程度保留目标的细节信息。网络首先对目标图片进行特征提取，将得到的特征输入到目标定位模块中，得到目标鲁棒的定位信息并每隔25帧对该模块网络参数进行在线更新，再将定位信息输入到目标分割模块中，得到目标的预测掩膜，最终通过细粒度模块进行上采样还原为输入尺寸，得到目标的跟踪结果。
-
公开(公告)号：CN112965040A
公开(公告)日：2021-06-15
申请号：CN202110163565.1
申请日：2021-02-05
Applicant: 重庆邮电大学
IPC: G01S7/41
Abstract: 本发明涉及一种基于背景预筛选的自适应CFAR目标检测方法，属于雷达目标检测技术领域。该方法首先对参考窗口进行参数估计剔除背景中的疑似目标，避免目标遮蔽效应；其次对背景均匀性进行评估，确保背景均匀时背景功率估计能使用到更多的参考窗口；对不均匀的背景检测杂波边缘，确定只保留属于本检测单元所在背景的参考窗口进行背景功率估计，提高算法在边缘环境的检测效果，避免由于背景功率估计的不准确导致边缘处出现漏警或虚警；最后再用得到的参考窗口利用CA‑CFAR对检测单元进行判决。本发明能够避免目标遮蔽效应，提升边缘环境中的目标检测效果，对复杂环境中的目标检测具有自适应性。
-
公开(公告)号：CN110087280A
公开(公告)日：2019-08-02
申请号：CN201910401712.7
申请日：2019-05-14
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于信标消息的车辆密度估算方法，属于车载自组织网络领域。该方法包括：S1：车辆通过信标消息，收集和处理周围车辆的交通信息，构建车辆邻居节点信息表，根据邻居节点信息表中的信息计算车辆的邻居节点数量；S2：根据构建的邻居节点信息表，将车辆邻居节点的分布情况进行分类，结合每个邻居节点的分布类别计算邻居节点在估算车辆通信范围内的留存时间，根据留存时间更新邻居节点信息表；S3：建立车辆的车间距离分布函数，求取对应分布函数的最大似然估计来估算车辆密度。
-
公开(公告)号：CN105873088A
公开(公告)日：2016-08-17
申请号：CN201610177583.4
申请日：2016-03-24
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种应急救援中采集现场信息的基站自组织网络节点移动模型，该模型中有背负式基站和车载基站，模拟基站的节点生成场景文件和流量文件。两种类型的基站根据不同职能特点，生成不同的移动场景和流量文件。模拟车载基站的节点固定在初始位置，模拟背负式基站的节点移动方式是：以当前位置为圆心，在半径为r的圆内随机选择目的地，以随机速度向目的地出发，到达目的地后停留随机时间；当有数据信息需要发送时，背负式基站向距离自己最近的车载基站发送数据；需要发送数据的背负式基站以一定的CBR速率持续发送一段随机时间；车载基站接收到背负式基站发送的消息后，向背负式基站发送指挥中心反馈的消息。本发明提供的节点移动模型可以更真实地模拟出应急救援中采集现场信息的基站自组织网络的特殊场景。
-
公开(公告)号：CN105608679A
公开(公告)日：2016-05-25
申请号：CN201610060748.X
申请日：2016-01-28
Applicant: 重庆邮电大学
Inventor： 王诗言
IPC: G06T5/00
CPC classification number: G06T5/002
Abstract: 本发明涉及一种融合结构张量与非局域全变分的图像去噪方法，属于图像处理技术领域。该方法包括以下步骤：1)对带噪图像f进行N*N的分块，N的取值可为N＝3,5,7…；2)对图像去噪建模，建立融合结构张量与非局域全变分的目标函数；3)利用分裂Bregman算法求解目标函数得到去噪图像。本发明所述方法具有有效去噪同时保持图像的纹理特征与几何结构特征的优点，算法快速，同时能够减少阶梯效应的产生。
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.026 seconds)
