-
公开(公告)号：CN116091946A
公开(公告)日：2023-05-09
申请号：CN202211559260.3
申请日：2022-12-06
Applicant: 重庆邮电大学
IPC: G06V20/17 , G06V10/24 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明请求保护一种基于YOLOv5的无人机航拍图像目标检测方法，属于目标检测技术领域。所述方法包括以下步骤：步骤1.以YOLOv5算法为基础模型框架，为了提升城市上空航拍图像中小目标检测的精度，本发明设计了一种多种上下文特征提取的网络。步骤2.为了提升网络对于密集区域的关注度，本发明提出了一种串联交叉自注意力算法，分别加在主干网络和三个检测头之间，进一步的增强密集区域的信息。步骤3.通过迭代训练、更新参数得到最终的网络模型，再利用多尺度预测提升小目标检测性能，最终通过三个尺度的检测头预测得到最终结果。本发明有效的缓解了上下文信息丢失问题，并增强了特征提取能力，捕获了更加多样的特征空间，实现了更加清晰的锚框定位。
-
公开(公告)号：CN110458005B
公开(公告)日：2022-12-27
申请号：CN201910590187.8
申请日：2019-07-02
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多任务渐进配准网络的旋转不变人脸检测方法，属于计算机视觉领域。所述方法主要包括以下步骤：图像预处理，构建并训练级联的多层卷积神经网络；输入测试图像，使用图像金字塔的方式产生不同分辨率的图像集合，然后送入所述的级联的多层卷积神经网络开始检测；每一级网络过滤掉部分非人脸窗口，根据边框回归结果调整候选框位置，同时预测出人脸的旋转角度；然后根据预测出的旋转角度通过翻转图像操作进行配准。在本发明中，通过多任务渐进配准网络方法，实现实时、旋转自适应的人脸检测，在精度和速度取得了良好的效果。
-
公开(公告)号：CN109584267B
公开(公告)日：2022-10-18
申请号：CN201811307642.0
申请日：2018-11-05
Applicant: 重庆邮电大学
IPC: G06T7/223 , G06T7/246 , G06V10/764
Abstract: 本发明请求保护一种结合背景信息的尺度自适应相关滤波跟踪方法，属于计算机视觉领域。所述方法主要包括以下步骤：基于第t帧的目标信息训练出一个判别的相关滤波分类器；利用前一帧的分类器作用于当前的跟踪目标以获取当前的候选目标；再通过构建的尺度池对候选的目标做尺度比较，得到相对应的尺度判别因子SSF；基于SSF对候选的目标区域采用不同的应对措施，得到最终的目标尺度。本发明通过结合目标的背景信息增加了分类器的判别性能，提高了跟踪器的鲁棒性。
-
公开(公告)号：CN114897768A
公开(公告)日：2022-08-12
申请号：CN202210303312.4
申请日：2022-03-24
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于语义细化的空间金字塔人群计数方法，属于计算机视觉技术领域。所述方法提出了一种新的编解码器模型，称为语义细化空间金字塔网络。所述方法主要包括以下步骤：首先，利用一系列的卷积神经层作为网络前端，在不增加额外计算成本的情况下获得更深层次的特征。此外，空间金字塔多尺度模块是拥有多个感受野的空间金字塔结构，用于捕捉多尺度特征。接着，语义增强模块用来细化网络捕获的多尺度特征，其利用深层语义信息来优化并且融合多尺度特征。最后，利用浅层纹理信息对特征图的细节进行补偿，以提高密度图的质量。本发明旨在建立一个尺度感知的计数网络来准确地估计人群中个体的数量。
-
公开(公告)号：CN114842534A
公开(公告)日：2022-08-02
申请号：CN202210492125.5
申请日：2022-05-07
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于区域自注意力卷积神经网络的人脸表情识别方法，属于模式识别与计算机视觉技术领域包括以下步骤：首先，利用VGG16网络提取输入图像的深度全局特征，在提取特征的同时保留面部表情的全局信息。其次，通过设计的区域局部多值模式与改进的K‑means算法对像素进行动态聚类，保证表情变化区域特征的鲁棒性，并将二值模式扩展到多个模式，整合区域内像素间的灰度差信息，增强纹理描述。此外，通过自注意机制形成区域权值，并使用秩正则化损失约束不同区域的权值。最后，将加权特征与深度网络提取的特征相结合，增强特征的表征能力。本发明旨在建立一个鲁棒的人脸表情识别网络来准确地估计真实环境中面部表情的类别。
-
Patent Agency Ranking
公开(公告)号：CN112396002A
公开(公告)日：2021-02-23
申请号：CN202011310176.9
申请日：2020-11-20
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种于SE‑YOLOv3的轻量级遥感目标检测方法，属于目标检测技术领域，包括以下步骤：步骤1.YOLOv3算法为基础模型框架，为了减少网络参数提升网络推理速度，本发明设计了轻量级主干特征提取网络。步骤2.为了提高特征的尺度不变性，降低过拟合风险，本发明提出使用空间金字塔池化(SPP)算法，进行三个尺度的池化得到固定长度的输出特征向量。引入了空间注意力模型SE模块，进一步的压缩无用信息增强有用信息。步骤3.通过迭代训练、更新参数得到最终的网络模型，利用该模型采取多尺度预测，通过三个尺度的检测头预测最终结果。本发明在有效提升网络的推理速度的同时，保证了精度，增强了网络的特征表达能力，并提高了尺度不变性。
-
公开(公告)号：CN108717527A
公开(公告)日：2018-10-30
申请号：CN201810458899.X
申请日：2018-05-15
Applicant: 重庆邮电大学
Abstract: 本发明属于模式识别技术领域，具体为一种基于姿态先验的人脸对齐方法，包括以下步骤：采用主动表观模型，在非限制环境下的人脸库上，建立人脸图像的形状模型和表观模型；训练阶段根据每幅人脸图像的特征点，按照人脸姿态的不同，分别建立正脸模型、左偏模型和右偏模型；测试阶段-利用测试集人脸图像中的特征三角形，选择合适的模型作为人脸的初始模型；最小化模型与测试集人脸图像间的残差，根据同时反向合成算法SIC来交替迭代更新扭曲参数和表观参数，实现匹配；本发明在训练阶段根据姿态的不同分别建立了正脸模型、左偏模型和右偏模型；在搜索阶段，利用特征三角形自动选择合适的模型作为人脸的初始模型，从而避免了姿态变化对初始模型的干扰。
-
公开(公告)号：CN119027429A
公开(公告)日：2024-11-26
申请号：CN202410899326.6
申请日：2024-07-05
Applicant: 重庆邮电大学
IPC: G06T7/10 , G06V10/44 , G06V10/42 , G06V10/80 , G06N3/0464
Abstract: 本发明请求保护一种基于改进的尺度融合脑肿瘤分割方法，旨在通过聚合编码器层内和层间的尺度信息，改进尺度特征融合，实现准确的脑肿瘤图像给分割，属于计算机视觉领域。所述方法包括以下步骤：步骤1.本发明提出了一种全局局部特征混合器，该模块通过并行捕获局部细节特征和全局上下文信息，实现全局‑局部尺度的信息混合，以解决脑肿瘤位置不确定性问题。步骤2.本发明设计了一个多尺度扩张初始模块，该模块能有效捕获多尺度的形状特征，旨在提高网络适应脑肿瘤不同形状的能力。步骤3.本发明设计了一个多尺度特征聚合模块，该模块能有效聚合来自编码器不同层级的多尺度特征，有助于缓解脑肿瘤大小不确定性问题。
-
公开(公告)号：CN117237320A
公开(公告)日：2023-12-15
申请号：CN202311290997.4
申请日：2023-10-08
Applicant: 重庆邮电大学
Abstract: 本发明提出一种基于尺度融合引导的多上下文脑肿瘤分割系统，包括：采集模块、构建模块和输出模块；所述采集模块，用于采集肿瘤病变的MR脑图像；所述构建模块，用于构建脑肿瘤分割模型；其中，所述脑肿瘤分割模型包括：3D U‑Net网络结构、局部‑全局尺度混合器、多层上下文聚合器和多尺度注意可变形卷积模块；所述输出模块，用于将所述MR脑图像输入所述脑肿瘤分割模型，获取脑肿瘤分割结果。本发明旨在通过融合层内和层间的多尺度上下文信息实现准确的脑肿瘤图像分割，能够有效捕获多尺度的形状感知特征，从而克服脑肿瘤分割中的形状不确定性问题。
-
公开(公告)号：CN116433683A
公开(公告)日：2023-07-14
申请号：CN202211574287.X
申请日：2022-12-08
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于虚拟3D的Biunet脑部图像分割方法，属于模式识别技术领域。所提方法主要包括以下步骤：(1)构建预处理模块，对输入的MR脑图像进行归一化、裁剪、切片处理，得到三个轴面的MR脑图像切片；(2)构建双支路模型Biunet对MR脑图像切片进行分割，在模型中将边缘信息投影到更高维度，更好的捕获组织间的边缘信息，解决边缘模糊影响分割精度问题；(3)针对Biunet模型中两条支路融合时特征不对齐问题影响分割精度问题，构建特征对齐融合(Feature Alignment Fusion,FAF)模块，利用可变形卷积进行偏移量的恢复，进一步提升分割精度；(4)为了更好的获得MR脑图像的空间信息，综合利用三个轴面信息，将获得的三个轴面分割结果进行集成，得到最后的分割结果。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.025 seconds)
