-
公开(公告)号：CN118068709A
公开(公告)日：2024-05-24
申请号：CN202410204171.X
申请日：2024-02-23
Applicant: 重庆邮电大学
Abstract: 本发明属于人工智能领域，具体涉及一种振动系统的轻量化振动控制方法，包括：获取器件的状态信息；将器件的状态信息输入到训练后的基于多奖励优先经验回放的轻量化神经网络模型，得到控制信号；基于多奖励优先经验回放的轻量化神经网络模型包括Actor网络、Actor目标网络、Critic网络以及Critic目标网络；本发明采用了深度残差收缩网络，以实现自适应去噪和轻量化的神经网络；同时，引入了多奖励机制，以协助轻量化网络找到接近最优的控制策略，并采用了优先级经验回放机制，以加速神经网络的收敛速度，提高数据利用效率。
-
公开(公告)号：CN118052219A
公开(公告)日：2024-05-17
申请号：CN202311663858.1
申请日：2023-12-05
Applicant: 重庆邮电大学
IPC: G06F40/189 , G06F40/194 , G06F40/30 , G16H15/00 , G16H30/40 , G16H50/20
Abstract: 本发明公开了一种基于细粒度硬区域挖掘用于医学图像文本对齐的算法，与现有的跨模态单一匹配不同，本发明利用所有正区域来扩展跨模态对齐范围，使模型能够学习更鲁棒的图像表示。本发明还能够逐渐消除硬区域的模糊语义，并通过更多地关注硬区域的跨模态对齐来对更清晰划分的边界进行建模。此外，本发明通过消除报告中的语法差异来减轻图像文本对的早期对齐困难。综合实验证明了本发明在下游医学图像理解任务中的有效性和鲁棒性。
-
公开(公告)号：CN116579958A
公开(公告)日：2023-08-11
申请号：CN202310233028.9
申请日：2023-03-10
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种区域差异先验引导的深度神经网络的多聚焦图像融合方法，涉及数字图像处理、计算机视觉、深度学习等技术领域。具体步骤为：1)制作公开的多聚焦图像数据集；2)对公开的多聚焦图像进行数据集预处理，包含图像去噪、图像增强、图像配准等技术；3)利用形态学操作——膨胀和腐蚀强化成对的多聚焦图像之间的差异获得区域差异先验信息；4)设计一个区域差异先验引导的深度神经网络；5)利用训练得到的模型对测试集中的多聚焦图像进行融合得到最后的融合结果。本方法利用所提出的区域差异先验，结合现有的深度神经网络训练得到的模型可以提升其聚焦测量的精度，得到更高质量的融合图像。
-
公开(公告)号：CN116468789A
公开(公告)日：2023-07-21
申请号：CN202310239547.6
申请日：2023-03-13
Applicant: 重庆邮电大学
IPC: G06T7/73 , G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明请求保护一种基于多先验融合策略的图像伪造定位方法、介质及系统，涉及数字图像处理、计算机视觉、机器学习等技术领域。具体步骤为：1)为了制作伪造数据集，收集现有领域中真实图像和对应的区域掩码的数据集；2)利用收集的真实图像和掩码通过算法制作伪造数据集。为了进一步提升深度学习模型泛化性，按照原始图像质量不同，制作了三种类型的伪造数据集；3)利用制作的三个伪造数据集，对编码器解码器结构的深度学习模型进行训练；4)同时为了进一步增强深度学习的泛化性伪造定位能力，使用多先验融合策略进行训练。5)利用训练得到的深度学习模型对测试的篡改图像进行伪造区域定位。模型可以对现实中的篡改图像进行检测和定位。
-
公开(公告)号：CN111008955B
公开(公告)日：2023-05-26
申请号：CN201911076219.9
申请日：2019-11-06
Applicant: 重庆邮电大学
IPC: G06T7/00
Abstract: 本发明公开了一种多尺度图像块匹配的快速复制粘贴篡改检测方法，涉及数字图像处理技术领域。本文发明利用复制粘贴篡改的特点，在Patch‑Match上进行多尺度空间建模。在多尺度Patch‑Match中，不同尺度的输出被视为先验概率，用作引导下一个尺度检测中的初始化、反射偏移量和传播。由于利用复制粘贴篡改的特点，在多尺度Patch‑Match的过程中可以实现指导性搜索，保证了高效性，减少了单尺度Patch‑Match多次迭代所造成的时间浪费。本发明应用了多尺度Patch‑Match的优点，有效地减少了计算时间复杂度并适用于实际应用。
-
Patent Agency Ranking
公开(公告)号：CN115861164A
公开(公告)日：2023-03-28
申请号：CN202211130790.6
申请日：2022-09-16
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06T7/10 , G06V10/774
Abstract: 本发明属于计算机视觉与医学影像融合领域，具体涉及一种基于多领域半监督的医学图像分割方法，包括：构建半监督教师学生分割模型并训练，将待分割的异化领域数据输入训练好的分割模型，得到分割结果；本发明教师学生网络挖掘大量无标签的多领域医学图像的高级语义特征，采用自注意力解纠缠机制的网络提取领域特征以及分割部位特征，使用领域特征相似筛选机制和多领域高级语义对比损失函数进行鲁棒学习，引入指数滑动平均算法，使得学生模型异构为教师模型，在师生一致性约束下的像素级别勘误方案，提升了分割的精度、拓展了多领域的适用性、泛化性，提升深度模型对图像分割的效果，促进了相关技术领域的发展。
-
公开(公告)号：CN115708687A
公开(公告)日：2023-02-24
申请号：CN202211452216.2
申请日：2022-11-21
Applicant: 重庆邮电大学
IPC: A61B5/369 , A61B5/372 , A61B5/398 , A61B5/00 , G06F18/2134 , G06F18/2415 , G06F18/23 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/084 , G06N3/094
Abstract: 本发明属于脑机接口领域，具体涉及一种基于人工神经网络的刺激图像重建方法及系统，该方法包括：首先处理由脑电仪器采集得到的由视觉刺激诱发的脑电数据，并利用人工神经网络学习脑电信号中的可分类特征形成脑电特征编码；利用预训练的图像分类模型提取视觉刺激对应的图像特征编码，并通过编码信息和类别信息训练得到一个可以生成图像的生成器模型；通过训练一个神经网络构建对应类别的脑电特征分布和图像特征分布间的映射关系；通过端到端的方式构建脑电特征与图像特征的映射关系，从而实现基于脑电信号重建图像刺激的方法；本发明提高了训练的并行度，使得整个方法识别率高，训练难度小，训练速度快。
-
公开(公告)号：CN113380262B
公开(公告)日：2022-10-18
申请号：CN202110519845.1
申请日：2021-05-13
Applicant: 重庆邮电大学
Abstract: 本发明属于声音信号分离技术领域，特别涉及一种基于注意力机制与扰动感知的声音分离方法，包括获取声音信号数据集，对该数据集的声音信号进行预处理得到混合声音信号，随后将混合声音信号划分为训练集、验证集；将训练集中的混合声音信号输入单通道语音分离网络模型，在交叉熵损失函数的指导下输出得到分离后的独立源信号；利用验证集数据验证每次单通道语音分离网络模型的正确率，并且保存正确率最高时的网络参数；将待分离的混合声音信号数据输入单通道语音分离网络模型，即可得到分割后的独立源声音信号；本发明能够进一步学习区分混合信号中的噪声信号，解决了单通道语音分离网络对噪声鲁棒性不足的问题。
-
公开(公告)号：CN113837976A
公开(公告)日：2021-12-24
申请号：CN202111092155.9
申请日：2021-09-17
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于联合多域的多聚焦图像融合方法，涉及数字图像处理、模式识别、深度学习和多成像应用领域。包括：1)将多聚焦源图像对转换为灰度图像，通过DCTConv和LBPConv特征提取模块得到高维非线性特征映射；2)将高维非线性特征映射输入以1×1为卷积核的FC层，得到每幅图像的聚焦测量映射图，并利用softmax激活函数比较焦点值，生成初始二值决策映射图；3)采用条件随机场和形态学方法对初始决策图进行后处理，以降低噪声，使处理更加平滑，得到最终决策图。4)根据最终决策图融合源图像对，生成多聚焦融合图像。本发明生成具有更高边缘对比度的图像，并在融合图像的运动区域引入较少的伪影。
-
公开(公告)号：CN113729655A
公开(公告)日：2021-12-03
申请号：CN202111128252.9
申请日：2021-09-26
Applicant: 重庆邮电大学
IPC: A61B5/0205 , A61B5/0507 , A61B5/00
Abstract: 本发明公开了一种分离UWB雷达传感器接收信号的方法，即基于递归积分算子的零空间追踪提取单分量信号算法和置信度对UWB雷达传感器接收信号进行信号分解，提取人体的呼吸信号和心跳信号频率的方法，可应用于对传染病患者的心率等生命体征进行监测也可用于地震时探测人体体征。该方法运时间短，能够精确的提取UWB探地雷达信号中的呼吸信号和心跳信号频率，为非接触人体特征提取提供重要依据。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.029 seconds)
