公开(公告)号：CN117789276A

公开(公告)日：2024-03-29

申请号：CN202311871319.7

申请日：2023-12-31

Applicant: 重庆大学

Inventor： 黎勇 ,  刘泽圣 ,  刘锐 ,  王森正

IPC: G06V40/16 ,  G06V10/26 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于人脸识别方法，具体涉及一种基于自注意力机制的多尺度多特征融合的人脸表情识别方法。包括获取完整人脸图片；左右脸图片提取：将得到的完整人脸图片和左、右两张半脸图片经过数据预处理后均缩放至同样的尺寸，再分别送入对应的用于人脸特征提取的神经网络模型进行特征提取；将全局特征图和两张局部特征图分别送入分类网络进行识别操作，得到一个全局预测向量和两个局部预测向量；局部特征图送入自注意力权重模块中信息权重，将信息权重分别与对应的局部预测向量相乘作为辅助预测来修正模型的最后输出，基于修正后的输出进行人脸表情识别。该方法在提高多姿势干扰下的人脸表情识别精度的同时降低模型复杂度。

公开(公告)号：CN117409578A

公开(公告)日：2024-01-16

申请号：CN202311314592.X

申请日：2023-10-11

Applicant: 重庆大学

Inventor： 黎勇 ,  王森正 ,  刘美琦 ,  吴建光 ,  吴金泽 ,  刘锐

IPC: G08G1/01 ,  G06Q10/04 ,  G06Q50/40 ,  G06F17/14 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明属于交通流参数预测方法，具体涉及一种基于经验模态分解与深度学习结合的交通流预测方法。包括对采集到的交通流数据时间序列的进行经验模态分解得到多个本征模函数分量序列；形成各分量序列的跨尺度子序列，依次将跨尺度子序列逐行拼接为输入矩阵；将输入矩阵输入一带有注意力机制的卷积神经网络模型提取时间序列特征，将所述输出特征矩阵与显著性特征矩阵逐元素相乘得到融合特征矩阵，再逐行还原为各分量的融合特征序列，以各融合特征序列作为长短期记忆网络的输入，进行各分量的时间序列预测；将各分量的时间序列预测结果重构为最后的预测结果。解决了传统的方法在交通高峰期时段交通流变化缓慢的情况下，效果不理想的技术问题。

公开(公告)号：CN117333747A

公开(公告)日：2024-01-02

申请号：CN202311314589.8

申请日：2023-10-11

Applicant: 重庆大学

Inventor： 黎勇 ,  吴金泽 ,  刘美琦 ,  吴建光 ,  王森正 ,  刘锐

IPC: G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06N3/09 ,  G06V10/74 ,  G06V10/764

Abstract: 本发明属于车辆重识别方法技术领域，具体涉及一种基于联合损失的多头注意力车辆重识别方法，包括，利用训练好的BoT(bag of tricks)基线网络模型，提取车辆重识别数据集图片的基线特征向量；将基线特征向量送入训练好的多头注意力模块进行提取操作；该模块中，多头(Head)中一个头用于提取全局特征，其他多个头分别用于提取不同的局部特征；所提取的全局特征进一步的用于计算由各局部特征的注意力权重组成的权重向量；然后将注意力权重分别与对应的局部特征向量相乘并求和，再结合全局特征得到模型最后的特征输出；基于所述特征输出进行车辆重识别。