公开(公告)号：CN111932645B

公开(公告)日：2022-08-26

申请号：CN202010532759.X

申请日：2020-06-12

Applicant: 重庆大学

Inventor： 刘礼 ,  张怡迪 ,  廖军

IPC: G06T11/00 ,  G06T5/00 ,  G06T7/10 ,  G06T7/90 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于生成对抗网络GAN自动生成水墨画的方法，包括以下步骤：1)获取水墨画图片数据集，对水墨画图片进行预处理；2)将预处理后的水墨画数据集分解为不同类别的数据集；3)利用非局部均值去噪算法对数据集进行去噪，得到特征数据集；4)利用训练数据集建立生成对抗网络GAN，并确定输入图片大小；5)将特征数据集输入到生成对抗网络GAN中训练，得到训练好的GAN神经网络模型；6)将类别标签数据输入到训练好的GAN神经网络模型中，自动生成对应标签的水墨画。本发明解决了传统设计方法中手工操作繁琐、创作效率低的问题。

公开(公告)号：CN114202002A

公开(公告)日：2022-03-18

申请号：CN202110811268.3

申请日：2021-07-19

Applicant: 重庆大学

Inventor： 廖军 ,  钱爽 ,  刘礼 ,  雍滋蕊 ,  邓正巧 ,  李小虎 ,  张文彬

IPC: G06K9/62 ,  G06N3/04 ,  G06V10/44 ,  G06V10/762 ,  G06V10/774 ,  G06T7/00

Abstract: 本发明公开一种基于改进FasterRCNN算法的肺结节检测装置，包括数据采集标注模块、数据预处理模块、特征提取模块、肺结节检测与分类模块；数据采集标注模块主要进行相关数据的收集与标注，以便为后续模型学习提供真实标签；数据预处理模块主要对数据集进行数据增强以及格式转换；特征提取模块主要从图片中提取抽象特征，得到高级语义信息；肺结节检测与分类模块依据特征对图片中的肺结节进行定位和分类，输出图片中肺结节的位置坐标及类别概率。本发明对FasterRCNN进行了改进，保证准确率的同时提高了检测分类速度。

公开(公告)号：CN113892942A

公开(公告)日：2022-01-07

申请号：CN202110971693.9

申请日：2021-08-24

Applicant: 重庆大学

Inventor： 刘礼 ,  李小虎 ,  廖军 ,  雍滋蕊 ,  钱爽 ,  邓正巧

IPC: A61B5/11 ,  A61B5/00

Abstract: 本发明公开一种实时追踪人体下肢运动的穿戴设备，包括可穿戴主体(1)、感知模块(2)、主控模块(3)和上位机；本发明提供了一种有线/无线双模的实时追踪人体下肢运动的穿戴设备，配合上位机算力，结合高识别率的态势感知算法和机器学习状态预测算法，在考虑穿戴舒适性的情况下，有效平衡了设备成本和运动捕捉准确率的问题，能实时地感知人体大腿与小腿姿态变化，追踪下肢移动轨迹、识别下肢动作，兼具灵活性、低延时、结构简单、制作成本低等优点。

公开(公告)号：CN109726230B

公开(公告)日：2021-06-01

申请号：CN201811476008.X

申请日：2018-12-04

Applicant: 重庆大学

Inventor： 刘礼 ,  王丹妮 ,  王姝 ,  廖军

IPC: G06F16/2458 ,  G06Q10/04 ,  G06Q10/06 ,  G06Q50/04 ,  G06N3/08

Abstract: 本发明公开了一种大数据分析模型预测发动机性能的方法，主要步骤为：1)确定输入数据。2)建立发动机性能指标预测模型和发动机性能分类检测模型。3)对所有回归算法的自学习参数进行训练。4)将测试样本矩阵C输入到调整自学习参数后的发动机性能指标预测模型和发动机性能分类检测模型中，得到每种回归算法的预测误差率。5)将所述待检测发动机的输入数据输入到发动机性能指标预测模型中，从而输出待检测发动机在不同工况下的转速预测结果。本发明对发动机生产过程中产生的过程检测数据和质量检测数据进行发动机性能预测，实现了发动机性能情况的自动预测，在节省人力成本和发动机损耗成本的同时，也保证了发动机下线质量性能的可靠性。

公开(公告)号：CN110866631A

公开(公告)日：2020-03-06

申请号：CN201910952817.1

申请日：2019-10-09

Applicant: 重庆大学

Inventor： 廖军 ,  季恩泽 ,  刘礼 ,  张毅

IPC: G06Q10/04 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了基于集成的门递归单元神经网络GRU来预测大气污染情况的方法，1)利用局部均值分解函数LMD对大气污染物数据集S11(t)进行多模态特征提取，得到大气污染物特征数据集；2)利用训练数据集建立门递归单元神经网络GRU，并利用训练数据集对门递归单元神经网络GRU进行训练；3)将归一化后的不同类别的特征数据集输入到门递归单元神经网络GRU中，输出归一化后的子模式预测值；4)采用逆LMD运算对归一化后的子模式预测值进行多模态特征估计值集成，得到训练好的LMD-GRU神经网络模型。本发明解决了LSTM模型对雾霾进行回归预测中的特征学习不明显，使得模型的性能不如多模式特征学习模型强，精度低，实际预测效果不理想的问题。