-
公开(公告)号：CN119226514A
公开(公告)日：2024-12-31
申请号：CN202411337891.X
申请日：2024-09-24
Applicant: 桂林电子科技大学
Abstract: 本申请涉及一种无监督非参数化文本分类方法、装置和计算机设备。所述方法包括：获取训练集和测试集；在测试集包括的多个测试文本中确定待分类文本；基于待分类文本和目标ES索引，在训练集中检索候选文本列表；将待分类文本和候选文本列表分别输入至第一分类模块、第二分类模块以及第三分类模块中，分别得到第一数量个第一标签、第一数量个第二标签以及第一数量个第三标签；第一分类模块、第二分类模块以及第三分类模块分别对应不同的无监督非参数化文本分类算法；基于第一数量个第一标签、第一数量个第二标签以及第一数量个第三标签，计算待分类文本的第一数量个分类标签。采用本方法能够提高文本分类效率和准确度。
-
公开(公告)号：CN109086707A
公开(公告)日：2018-12-25
申请号：CN201810823018.X
申请日：2018-07-25
Applicant: 电子科技大学
Abstract: 本发明属于表情追踪技术，具体的说是一种基于DCNNs-LSTM模型的表情追踪方法。本发明考虑到卷积神经网络在图像特征提取上的有效性及长短期记忆网络在处理存在时间序列信息上的优势，提出一种结合DCNN和LSTM的深度神经网络模型用于处理面部68个特征点及眼神、头部特征信息的提取。数据集囊括了老年、青年、少年及中外等不同的人脸图像及对应的标签文件，训练好的模型可同时实现对面部、眼神及头部三维特征信息的提取。本发明将提取出的三维特征信息做三角网格重建并计算网格各顶点的欧氏距离，由数据转换模型将欧氏距离转变为动画人物可识别的形变系数，实现一种表情、头部迁移效果。
-
公开(公告)号：CN108717732B
公开(公告)日：2022-05-17
申请号：CN201810486472.0
申请日：2018-05-21
Applicant: 电子科技大学
Abstract: 本发明属于表情追踪技术，具体的说是一种基于MobileNets模型的表情追踪方法。本发明主要包括：通过预处理生成训练数据集，所述预处理为使得数据集中每一张图片的人脸均具有三维特征坐标；采用一个标准卷积层、12个分离卷积层、1个均值池化层以及全连接层和Softmax构建神经网络MobileNets模型；所述12个分离卷积层为6个深度卷积与6个点卷积；采用获得的训练数据集对构建的神经网络MobileNets模型进行训练；采用训练好的神经网络MobileNets模型获取输入图像的人脸三维特征点坐标；对模型提取的人脸三维特征点坐标做网格重建生成形变系数，用于对人脸3D模型进行控制，实现表情追踪。本发明的有益效果为，兼顾了模型大小与运行速度，因而可适应于移动设备，具有较强的实用性。
-
公开(公告)号：CN106447659A
公开(公告)日：2017-02-22
申请号：CN201610852087.4
申请日：2016-09-27
Applicant: 电子科技大学
IPC: G06T7/00
CPC classification number: G06T2207/10081 , G06T2207/10088
Abstract: 本发明公开了一种基于多重判定的区域生长检测方法，属于图像处理技术领域。本发明用于医学MRI以及CT图像等进行处理，准确的提取出所需的组织的图像。本发明首先对待检测目标图像进行手动选择初始点，选择的范围为目标范围，然后在原有的区域生长方案的基础上，将生长范围逐渐强制扩展到目标图像的全部图像数据上，优化对离散点的匹配，基于边缘检测检测离散点是否属于可生长区域；另外通过始点优化基准灰度，在生长过程中不断优化生长结果，以确保匹配到所需要的大区域图像，避免匹配到满足判断条件的干扰点。最后对生长结果进行腐蚀和膨胀处理，去除干扰点，真正从整体上优化了整个匹配过程，得到更精确的结果。
-
公开(公告)号：CN106327443A
公开(公告)日：2017-01-11
申请号：CN201610710468.9
申请日：2016-08-24
Applicant: 电子科技大学
IPC: G06T5/00
CPC classification number: G06T5/003 , G06T2207/10024
Abstract: 本发明首次提出基于改进遗传算法来增强夜间图像，适合处理低对比度和噪声的夜间图像，弥补了传统的图像增强算法存在的问题，如混淆现象、重像、光环等。本发明采用交叉方式对全局进行搜索，随机选择定义增强图像间的两个染色体之间的线性联合，来确保交叉算子在父代和子代直接搜索。具体算法过程包括：随机产生染色体，其长度为增强图像的亮度等级；从当前分量中使用适度函数选取染色体，并利用遗传算法交叉方式及变异算子产生子代；利用淘汰算法淘汰不满足条件的染色体；利用遗传算法的收索策略遍历所有染色体，如果满足停止搜索策略则输出最优染色体，否则重复第二步子代生成算法直至产生最优解并完成输出。与目前现有的图像对比增强方法相比，本发明提出的基于遗传算法的夜间图像对比增强很好解决了增强后图像颜色不协调问题及遗传算法在图像增强时的缺陷。
-
Patent Agency Ranking
公开(公告)号：CN107958073B
公开(公告)日：2020-07-17
申请号：CN201711281707.4
申请日：2017-12-07
Applicant: 电子科技大学
IPC: G06F16/583 , G06K9/46 , G06K9/62
Abstract: 本发明公开了一种基于粒子集群算法优化的彩色图像检索方法，属于图像检索技术领域，本发明首先分别提取图像库中各个图像的底层特征并保存到图片特征库；然后为不同的图像特征描述分配不同的相似度度量公式；再通过PSO算法训练获得数据库相似度度量的权值；在进行图像检索处理时，对查询图像进行相应的底层特征的提取，并通过比对查询图像和目标数据库中提取特征的描述符，并基于训练好的相似度度量权值，对不同特征的相似度度量做统一排序，并返回前K张最相近的图片作为检索结果。与现有技术相比，本发明结合和优化了各种特征提取方式，通过对多个特征描述符的组合，提高了CBIR检索系统的检索精度。
-
公开(公告)号：CN106447659B
公开(公告)日：2019-04-05
申请号：CN201610852087.4
申请日：2016-09-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多重判定的区域生长检测方法，属于图像处理技术领域。本发明用于医学MRI以及CT图像等进行处理，准确的提取出所需的组织的图像。本发明首先对待检测目标图像进行手动选择初始点，选择的范围为目标范围，然后在原有的区域生长方案的基础上，将生长范围逐渐强制扩展到目标图像的全部图像数据上，优化对离散点的匹配，基于边缘检测检测离散点是否属于可生长区域；另外通过始点优化基准灰度，在生长过程中不断优化生长结果，以确保匹配到所需要的大区域图像，避免匹配到满足判断条件的干扰点。最后对生长结果进行腐蚀和膨胀处理，去除干扰点，真正从整体上优化了整个匹配过程，得到更精确的结果。
-
公开(公告)号：CN108717732A
公开(公告)日：2018-10-30
申请号：CN201810486472.0
申请日：2018-05-21
Applicant: 电子科技大学
Abstract: 本发明属于表情追踪技术，具体的说是一种基于MobileNets模型的表情追踪方法。本发明主要包括：通过预处理生成训练数据集，所述预处理为使得数据集中每一张图片的人脸均具有三维特征坐标；采用一个标准卷积层、12个分离卷积层、1个均值池化层以及全连接层和Softmax构建神经网络MobileNets模型；所述12个分离卷积层为6个深度卷积与6个点卷积；采用获得的训练数据集对构建的神经网络MobileNets模型进行训练；采用训练好的神经网络MobileNets模型获取输入图像的人脸三维特征点坐标；对模型提取的人脸三维特征点坐标做网格重建生成形变系数，用于对人脸3D模型进行控制，实现表情追踪。本发明的有益效果为，兼顾了模型大小与运行速度，因而可适应于移动设备，具有较强的实用性。
-
公开(公告)号：CN107958073A
公开(公告)日：2018-04-24
申请号：CN201711281707.4
申请日：2017-12-07
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于粒子集群算法优化的彩色图像检索方法，属于图像检索技术领域，本发明首先分别提取图像库中各个图像的底层特征并保存到图片特征库；然后为不同的图像特征描述分配不同的相似度度量公式；再通过PSO算法训练获得数据库相似度度量的权值；在进行图像检索处理时，对查询图像进行相应的底层特征的提取，并通过比对查询图像和目标数据库中提取特征的描述符，并基于训练好的相似度度量权值，对不同特征的相似度度量做统一排序，并返回前K张最相近的图片作为检索结果。与现有技术相比，本发明结合和优化了各种特征提取方式，通过对多个特征描述符的组合，提高了CBIR检索系统的检索精度。
-
公开(公告)号：CN106651817A
公开(公告)日：2017-05-10
申请号：CN201610959013.0
申请日：2016-11-03
Applicant: 电子科技大学成都研究院
IPC: G06T5/40
CPC classification number: G06T5/40 , G06T2207/20172
Abstract: 本发明首次提出基于非抽样Contourlet融合来增强夜间图像，提出图像融合的图像增强算法集中在像素层处理。本发明创造性地使用了白天和夜间同一个场景的图像重构和融合。这个增强的夜间图像通过改进的夜间图像增强算法得到。解决了融合过程中的混淆现象，丢失部分夜间的亮度信息，增强的亮度不够等问题。基于NSCT进行图像融合时，低频部分常采用比较方式，融合规则主要有：①两者图像加权平均法、②两者图像的梯度变化取最大方法、③图像对比度取大方法。通常情况下，系数最大值方法或者区域能量最大方法使用在高频部分。本发明适合处理低对比度和噪声的夜间图像，弥补了传统的图像增强算法存在的问题，如混淆现象、重像、光环等。取得了非常好的增强效果，并且解决了目前融合类增强技术所带来的一些问题。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
