-
公开(公告)号：CN112418074A
公开(公告)日：2021-02-26
申请号：CN202011308968.2
申请日：2020-11-20
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于自注意力的耦合姿态人脸识别方法，属于模式识别技术领域。所述方法主要包括以下步骤：步骤1.利用MTCNN对训练图像进行预处理操作(人脸检测、特征点标定)；提出基于K‑means算法的姿态导向策略PGS，确定姿态模板。步骤2.输入网络的图像利用姿态模板生成多个不同姿态人脸，生成网络编码器对其进行特征编码，加权平均得到融合特征，解码器还原成正面人脸图像。步骤3.构建姿态导向的双判别器生成对抗网络PGDD‑GAN，对合成图像进行对抗式训练。步骤4.为了增强合成图像的局部纹理信息，本发明在编码器和判别器网络中植入自注意力模型。本发明降低了模型对源数据集的需求，提高了无监督环境下的人脸识别的鲁棒性。
-
公开(公告)号：CN107767388B
公开(公告)日：2021-02-09
申请号：CN201711059488.5
申请日：2017-11-01
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种结合云模型和水平集的图像分割方法，包括步骤：S1得到图像的直方图并对其进行曲线拟合；S2通过拟合的曲线划分谷值区间；S3利用逆向高斯云算法得到三个数字特征Ex、En和He并通过“软或云”得到前景云模型和背景云模型；S4构造能量函数并对其进行求解从而得到分割结果。本发明结合云模型和水平集算法，利用云模型对图像里面的边界予以去线性化处理，降低了人工干预所造成的收敛不稳定性问题的发生几率和程度，并且使得水平集函数所对应的收敛性得到加速；同时借助云模型算法初始化水平集函数的操作有效的降低了函数自身的噪声敏感性以及解决了分割过程中不断初始化水平集函数的问题。
-
公开(公告)号：CN111950389A
公开(公告)日：2020-11-17
申请号：CN202010713146.6
申请日：2020-07-22
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于轻量级网络的深度二值特征人脸表情识别方法，属于模式识别技术领域。所述方法主要包括以下步骤：首先，构建一套将参数二值化的卷积神经网络框架，将二值卷积模式植入每层残差网络层中，形成双向决策网络模型；然后，对输入网络的图像进行基于像素梯度的LBP动态半径特征提取，构建具有Huffman权重的LBP权重图谱和具有Huffman权重的LBP二值图谱；再将LBP权重图谱、LBP二值图谱与原始图像作为BRCNN网络的多输入特征，构建深度二值特征；最后，将深度二值特征级联后进行分类。本发明极大减少了网络训练时的参数量，降低了网络的计算代价；增强了特征的表达能力，提升了本方法在人脸表情识别的鲁棒性和速率。
-
公开(公告)号：CN111754546A
公开(公告)日：2020-10-09
申请号：CN202010559161.X
申请日：2020-06-18
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于多特征图融合的目标跟踪方法、系统及存储介质，包括步骤：S1将初始帧中已经标注好位置的待跟踪目标区域图像和当前帧搜索区域图像送入同一个特征提取网络，分别得到三个输出特征图；S2对三个输出特征图进行卷积；S3将融合后特征图分别送入分类分支和回归分支，在分类分支中得到目标位置响应图，在回归分支得到当前位置对目标位置的尺度变换和平移；S4结合分类分支的最大响应区域与回归分支的目标移动量，预测表示出待跟踪目标在当前帧的位置。本发明提高了跟踪方法在目标尺度变化较大等复杂情况下的鲁棒性与准确率。
-
公开(公告)号：CN111695522A
公开(公告)日：2020-09-22
申请号：CN202010539709.4
申请日：2020-06-15
Applicant: 重庆邮电大学
Abstract: 本发明属于图像处理技术领域，涉及一种平面内的旋转不变人脸检测方法、装置及存储介质；所述方法包括以SSD快速目标检测方法的模型结构为基础，构建出包括基本网络和检测网络的卷积神经网络；利用基本网络提取出输入图像的卷积特征；对检测网络进行改造，采用多尺度特征层对基本网络的卷积特征进行多尺度融合；在多尺度特征层上连接有方向敏感特征集成网络，提取出旋转不变的卷积特征；采用属于不同样本的人脸图像数据集对卷积神经网络进行训练，直至训练损失；使用训练完成的卷积神经网络对待测的人脸图像进行处理，根据卷积神经网络参数获得其人脸分类概率、边界框回归向量和角度类别标签。本发明改进了SSD模型，获得了较好的检测效果。
-
Patent Agency Ranking
公开(公告)号：CN107689043B
公开(公告)日：2020-06-16
申请号：CN201710749812.X
申请日：2017-08-28
Applicant: 重庆邮电大学
Abstract: 本发明属于医学图像处理技术邻域，特别涉及一种血管段终端节点与分支节点的获取方法，所述方法包括：分析骨架点邻域关系，得到骨架关系集合；削减伪骨架分支；分析骨架分支点，根据这些骨架分支节点的连通关系，当分支节点存在相邻关系时，则形成分支聚集；通过分支节点和连接边重建骨架关系，重复上述步骤直到分支节点的连接邻域数大于3或者分支节点数不再减少；本发明更好的构建骨架分支节点之间和其它骨架点的关联关系，为测量血管段长度和血管半径提供基础。
-
公开(公告)号：CN111191555A
公开(公告)日：2020-05-22
申请号：CN201911349832.3
申请日：2019-12-24
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种结合高低空间频率特征的目标跟踪方法、介质及系统，包括步骤：S1输入原始视频图像序列，提取真值图和搜索区域图像的高空间频率特征和低空间频率特征；S2将提取的高低频特征进行信息交换；S3利用相关性计算获取目标真值特征和搜索区域特征的相关性图；S4通过区域建议网络得到一组分类特征和一组回归特征，结合分类特征和回归特征进行目标的定位。本发明结合了高低频特征提取和基于区域建议网络的孪生目标跟踪方法，利用低空间频率特征减少图像中的冗余信息，降低了目标移动过程中产生的冗余信息造成跟踪失败的几率和跟踪框的偏移程度，并且降低了跟踪方法的计算量；将有利于跟踪的精细特征和全局特征进行交换。
-
公开(公告)号：CN106971383B
公开(公告)日：2019-12-31
申请号：CN201710076195.1
申请日：2017-02-13
Applicant: 重庆邮电大学
IPC: G06T5/50
Abstract: 本发明请求保护一种基于离散Tchebichef多项式变换和聚焦评价的多聚焦图像融合方法，涉及数字图像处理、机器视觉的技术领域。具体步骤为：1)对需要融合的多幅图像进行分块处理，得到r个m×n的图像块；2)分别对每个图像块归一化，再分别对归一化后的块进行离散Tchebichef多项式变换，得到对应的离散Tchebichef多项式变换系数；3)以高阶变换系数的能量和低阶变换系数的能量的比值作为聚焦评价函数，根据聚焦评价值最大的融合规则融合多幅输入图像；4)将融合后的图像进行一致性验证，得到最终融合后的图像。本方法建立了图像离散Tchebichef多项式变换系数与图像聚焦程度的联系，在节省融合时间的同时，有效地提高了图像的融合效果。
-
公开(公告)号：CN107529645B
公开(公告)日：2019-09-10
申请号：CN201710515210.8
申请日：2017-06-29
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于深度学习的心音智能诊断系统及方法，涉及生物信号处理、模式识别、大数据、深度学习领域。包括：1)用户通过心音采集设备或智能可穿戴式设备对心音音频数据进行采集；2)数据通过网络传输到云端服务器，进行心音音频数据的存储、建档；3)在云端服务器上采用基于逻辑回归‑隐半马尔科夫模型的心音分割算法对心音数据进行分割，并用一维卷积神经网络对分割后的心音数据进行自动特征提取和分类；4)诊断结果通过网络反馈给用户的同时存储在云端，以提供给相关机构和指定医院作为用户的临床病史参考；5)由专业医生确诊后的用户心音数据可作为训练数据扩充进云端服务器中的心音数据库中，不断提升心音诊断系统的诊断能力。
-
公开(公告)号：CN105163130B
公开(公告)日：2019-05-31
申请号：CN201510527118.4
申请日：2015-08-25
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于离散Tchebichef正交多项式的图像无损压缩方法，属于数字图像压缩技术领域。本发明的编码及解码方法在进行二维正向/反向正交变换时，采用二维整数正向/反向离散Tchebichef正交多项式变换来替代现有技术所使用的其它整数变换方法，实现无损压缩，可以有效地解决编码器失配问题，实现无损编码，而且具有较高的压缩性能以及更好的可扩展性。本发明矩阵变换实现从整数映射到整数，且在原位之间计算，完好地重构图像，降低了硬件资源消耗，有利于硬件实现。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.047 seconds)
