-
公开(公告)号：CN109740697B
公开(公告)日：2023-04-14
申请号：CN201910164071.8
申请日：2019-03-05
Applicant: 重庆大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/09 , G06N3/096 , G16H30/40
Abstract: 本发明提出一种基于深度学习的尿沉渣显微图像有形成分识别方法，包括改进AlexNet模型为De‑AlexNet模型，迁移模型参数，利用可视化卷积神经网络模型制定一种合理的微调学习率和级联特征的策略，集成De‑AlexNet模型、GoogLeNet模型和ResNet模型对尿沉渣显微图像进行特征提取，并设计全连接神经网络模型作为分类器对集成特征进行分类四个部分。与现有的尿沉渣显微图像有形成分识别方法相比，本发明识别准确率更高，操作更简洁，效率更优。
-
公开(公告)号：CN114140739A
公开(公告)日：2022-03-04
申请号：CN202111034905.7
申请日：2021-09-04
Applicant: 重庆大学
Abstract: 本发明提出一种基于补丁匹配与合成的视频去模糊方法，本方法设计了多尺度补丁匹配模块和补丁合成模块，首先利用多尺度补丁匹配模块将输入的多个视频帧特征离散为不同尺度、部分重叠的特征补丁，然后从特征补丁集合中匹配相似、可用的锐利补丁，为目标特征补丁的复原提供关键的纹理细节。然后利用补丁合成模块融合多尺度补丁匹配模块得到的锐利补丁，帮助目标补丁的去模糊。本方法通过直接匹配、融合视频帧序列中任意相似补丁来获取视频帧间时空依赖，从而有效改善视频去模糊的效果。
-
公开(公告)号：CN112465114A
公开(公告)日：2021-03-09
申请号：CN202011337992.9
申请日：2020-11-25
Applicant: 重庆大学
Abstract: 本发明公开一种基于优化通道剪枝的快速目标检测方法及系统，属于计算机视觉、图像处理、模式识别领域，本发明方法首先通过稀疏训练，得到原始的目标检测模型。稀疏训练可以训练尺度因子，其中尺度因子训练结果的大小决定检测模型中稀疏层通道的重要程度。然后，利用层级加权阈值进行通道剪枝。该层级加权阈值同时考虑了某个通道在对应网络层的重要程度，以及其在整个网络结构中的重要程度。通过合理的通道剪枝，本发明能实现更有效的模型压缩，其目标检测网络模型的参数数量会大大降低，并且显著提高检测效率。实验结果表明，本发明与目前优秀的方法相比具有更先进的性能。
-
公开(公告)号：CN110969589A
公开(公告)日：2020-04-07
申请号：CN201911216879.2
申请日：2019-12-03
Applicant: 重庆大学
Abstract: 本发明提出一种基于多流注意力生成对抗网络的动态场景模糊盲复原方法。本发明首先设计了一种注意力引导模块，利用该模块生成具有在特征提取和去模糊过程中具有引导作用的注意力引导图，该引导图能够更多的关注模糊程度严重的区域或目标及其周围复杂的结构。另外，针对复杂的动态场景模糊信息，提出多流多尺度特征提取策略用于提取的复杂特征，并且设计一个多尺度残差块提取动态场景模糊图像的多尺度特征，捕获不同类型的模糊信息和更多纹理细节。最后，提出利用多尺度融合策略来获取更好的特征，并设计一个可学习的门结构来自适应融合来自不同流的多尺度特征。本发明可以更好地复原模糊程度较大的和复杂的动态场景模糊；进一步，还能提高复原图像的效率。
-
公开(公告)号：CN107102165B
公开(公告)日：2020-03-20
申请号：CN201710242846.X
申请日：2017-04-14
Applicant: 重庆大学
IPC: G01P5/20
Abstract: 本发明公开了一种基于粒子图像测速的表面流场测量方法，包括在待测流场表面布撒不限定材质和大小的示踪粒子；在所述待测流场设置至少一个视场，对视场进行视频图像采样，并对视频图像进行视场矫正后建立相应的鸟瞰图；将每个鸟瞰图划分成多个子网格，并对所有鸟瞰图中相应子网格的流速求均值，得到视场的流速；对多个视场的流速依次进行数据拼接和可视化处理，得到待测流场表面的可视化流速图像等步骤，利用PIV技术成功实现了表面流场流速的测量。其显著效果是：视频采集设备视角自由，对复杂地形和外界光照具有较好的鲁棒性，可满足不同的测试环境需求；支持任意类型的示踪粒子；分析速度快，测量精度高。
-
Patent Agency Ranking
公开(公告)号：CN106228979B
公开(公告)日：2020-01-10
申请号：CN201610674982.1
申请日：2016-08-16
Applicant: 重庆大学
Abstract: 本发明涉及一种公共场所异常声音的提取及识别方法，对极点对称模态分解(ESMD)进行改进，简称D‑ESMD，其特点是：在公共场所异常声音中加入随机T分布序列信号，减小公共场所背景噪声对异常声音特征提取的影响；针对原始ESMD在分解异常声音时，分解效果欠佳的问题，提出对称中点插值替代极值中点奇偶插值方法，提高异常声音分解效率与识别率；针对原始ESMD在有效分解模态选择上的缺陷，提出基于排列熵算法对ESMD分解得到的模态进行复杂性检测，自适应得到异常声音有效模态分量。利用本发明可以充分描述异常声音的特征，并得到较好的分类识别结果，更能够准确提取异常声音的特征，并且对环境背景噪声具有较好的鲁棒性。
-
公开(公告)号：CN108182950A
公开(公告)日：2018-06-19
申请号：CN201711462639.1
申请日：2017-12-28
Applicant: 重庆大学
Abstract: 本发明提出改进的经验小波变换的公共场所异常声音特征分解与提取方法，具体是对原始异常声音信号的傅里叶频谱通过模拟等效矩形带宽尺度的方法进行划分，根据划分后的边界得到固定边界的等效矩形带宽经验小波变换滤波器组，用该滤波器组分解原始异常声音信号，得到其不同频率分量；计算原始异常声音信号的不同频率分量相对于原始异常声音信号的能量熵，将归一化处理后的能量熵作为原始异常声音信号的特征向量。
-
公开(公告)号：CN106791273A
公开(公告)日：2017-05-31
申请号：CN201611119552.X
申请日：2016-12-07
Applicant: 重庆大学
Abstract: 本发明是一种结合帧间信息的视频复原方法，属于视频图像处理技术领域。其核心是从视频编码中相邻帧之间的关联性出发，在模糊核估计和视频帧的非盲复原过程中均对该关联性加以利用和约束。首先对相邻两视频帧进行运动估计和补偿得到运动补偿帧；由于该帧具有清晰的边缘信息，对它进行预处理后结合到正则化模型中以实现视频帧模糊核的精确估计；最后对运动补偿帧和当前清晰帧之间的关系进行时域正则化约束，并用提出的时空正则化复原方法复原出清晰视频帧。实验表明本发明方法克服了传统单幅图像复原方法时域不连续的问题及时空体方法速度慢的问题，能够快速、有效地复原人为模糊和真实模糊视频序列，且对时间变化的模糊核具有较好的复原效果。
-
公开(公告)号：CN104103050B
公开(公告)日：2017-03-15
申请号：CN201410386374.1
申请日：2014-08-07
Applicant: 重庆大学
Abstract: 本发明是一种基于局部策略的真实视频复原方法，属于图像处理、模式识别领域。其核心在于首先提取出真实视频中相邻两帧的运动前景，并匹配其特征点，从而利用特征点的运动向量估计前景中每个像素点的模糊核；其次，为去除视频中的空间变化的物体运动模糊，提出一种基于局部块的ADM算法，即复原出每个重叠的局部块，并把它们融合成清晰的视频帧。实验表明本发明方法能克服传统方法中放大噪声，引入振铃效应的缺点，对视频帧的边缘和细节有较好的复原效果。
-
公开(公告)号：CN106419911A
公开(公告)日：2017-02-22
申请号：CN201610911036.4
申请日：2016-10-19
Applicant: 重庆大学
IPC: A61B5/0476 , A61B5/16
CPC classification number: A61B5/0476 , A61B5/04012 , A61B5/165 , A61B5/725 , A61B5/7257 , A61B5/7264 , A61B5/7267 , A61B5/7271
Abstract: 本发明公开了一种基于脑电波分析的情绪检测方法，首先利用原始的脑电数据来提取特征，分别提取出分形维度特征、能量特征、统计学特征和高阶交叉特征；然后利用类内相关系数法来评价所提取特征的特征参数进而获得最稳定的特征参数；之后通过支持向量机将获得的特征参数用来训练分类模型；最后利用训练出的分类模型实现情绪的实时检测。其显著效果是：通过利用类内相关系数法来获得最稳定的特征参数，成功训练出了稳定准确的分类模型；与传统的方法相比，无需重新训练分类模型，操作更简单，分类精度更高。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.023 seconds)
