-
公开(公告)号：CN118537354A
公开(公告)日：2024-08-23
申请号：CN202410229808.0
申请日：2024-02-29
Applicant: 重庆邮电大学
IPC: G06T7/12 , G06N3/084 , G06N3/0464 , G06T5/50 , G06T5/30 , G06T3/4038
Abstract: 本发明涉及语义分割技术领域，具体涉及一种基于边缘通道注意力的自然图像小样本语义分割方法；该方法包括构建并训练语义分割模型，获取待分割图像输入训练好的语义分割模型得到分割结果，所述语义分割模型包括MCA模型；本发明可以一定程度的减少基于错误先验图和无关语义的误导，提升小样本语义分割的准确度。
-
公开(公告)号：CN114983359A
公开(公告)日：2022-09-02
申请号：CN202210699152.X
申请日：2022-06-20
Applicant: 重庆邮电大学
IPC: A61B5/0205 , A61B5/05 , G06K9/62
Abstract: 本发明涉及一种基于IR‑UWB雷达的生命体征检测方法，属于生理信息领域。该方法包括以下步骤：在室内部署IR‑UWB雷达采集被测者在不同活动状态的人体特征数据；基于MTI算法对数据进行预处理；频谱稀疏最大化的生命体征探测方法。本发明针对现有的呼吸心跳信号监测多采用接触式设备，在无接触情况下检测准确率低的不足，提出了一种利用IR‑UWB雷达采集人体特征数据，通过MTI算法对数据进行预处理，随后利用频谱稀疏最大化的生命体征探测方法，实现从经过预处理后的IR‑UWB雷达信号中提取人体特征数据中的呼吸心跳信号。
-
公开(公告)号：CN119399523A
公开(公告)日：2025-02-07
申请号：CN202411443498.9
申请日：2024-10-16
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/24 , G06V10/774 , G06V10/40 , G16H30/00
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于先验知识增强掩码与对齐建模的医学图像分类方法；包括：获取图像文本对数据集并对其进行预处理，得到预处理好的图像文本对数据集；根据预处理好的图像文本对数据集对视觉编码器和文本编码器进行初步训练，得到初步训练好的视觉编码器和文本编码器；结合文本编码器对视觉编码器进行第二次训练，得到训练好的视觉编码器；采用训练好的视觉编码器实现对医学图像的分类；本发明提出的模型能够更好地泛化到各种下游医学图像识别任务上，提高下游医学图像识别任务的准确度。
-
公开(公告)号：CN118261781A
公开(公告)日：2024-06-28
申请号：CN202410206205.9
申请日：2024-02-26
Applicant: 重庆邮电大学
IPC: G06T3/14 , G06T7/33 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于域对抗的跨模态医学图像配准方法，包括：将固定图像和移动图像输入双路编码器进行特征提取；根据固定图像特征和移动图像特征利用域判别器预测固定图像和移动图像分类到各个域的概率，并根据固定图像和移动图像分类到各个域的概率构建交叉熵损失函数；根据固定图像特征和移动图像特征利用形变场生成器生成形变场，根据形变场构建平滑损失函数；利用空间变换器将形变场添加到移动图像上，使移动图像的体素按照形变场来进行空间位移得到配准后的扭曲图像；根据配准后的扭曲图像和固定图像构建相似度损失函数，根据交叉熵损失函数、平滑损失函数和相似度损失函数构建网络的总损失函数对网络的参数进行更新。
-
公开(公告)号：CN117496135A
公开(公告)日：2024-02-02
申请号：CN202311225956.7
申请日：2023-09-21
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种大模型高效调优的任意形状智能分割算法，使用循环先验知识嵌入模块，根据模型先验知识的理解，能够有效生成可调视觉提示，自适应的改变图像语义。使用语义相关适配器能够同时调优ViT模块中冻结的多头注意力层和前向传播层，可以更好的利用适配器增加的小部分参数，达到高效调优的目的。使用任务判别投影层聚合ViT主干中不同阶段的深浅特征，学习特定任务的判别特征，最终通过任务头得到高质量分割掩码。经过实验表明，本发明的模型可训练参数量只有总参数量的7%，且在心脏数据集上的分割结果分数达到91.48%。
-
Patent Agency Ranking
公开(公告)号：CN117351568A
公开(公告)日：2024-01-05
申请号：CN202311389213.3
申请日：2023-10-24
Applicant: 重庆邮电大学
IPC: G06V40/20 , G06V40/10 , G06V10/44 , G06V10/80 , G06V10/52 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/096 , G06N3/091
Abstract: 本发明属于图像识别技术领域，具体涉及一种基于对偶分支联合矫正的手势识别方法；包括：采用卷积层对手势图像数据进行下采样，得到中间特征；将中间特征输入到学习网络中进行处理，得到第一手势识别预测结果；计算交叉熵损失；将数据扩充后的手势图像输入到引导网络中进行处理，得到第二手势识别预测结果；引导网络通过指数平滑平均调整参数；根据第一、第二手势识别预测结果以及交叉熵损失计算模型总损失并调整学习网络参数，得到训练好的对偶分支联合矫正的半监督手势识别模型；获取手势雷达数据并根据手势雷达数据生成手势图像数据；将手势图像数据输入到训练好的识别模型中进行处理，得到手势识别结果；本发明手势识别准确率高。
-
公开(公告)号：CN115830036A
公开(公告)日：2023-03-21
申请号：CN202211621673.X
申请日：2022-12-16
Applicant: 重庆邮电大学
IPC: G06T7/10 , G06V10/40 , G06V10/774
Abstract: 本发明公开了一种基于强弱扰动的分级Siamese对比增强的涂鸦标注医学图像分割方法，步骤（1）使用图像级别扰动进行图像预处理：主要扰动方式包括弱图像级别扰动与强图像级别扰动；（2）使用适用于涂鸦标注等弱监督应用场景的训练方式‑Siamese network；（3）利用通信式弱图像级别扰动实现对图像级别高置信度像素的特征提取；（4）利用强图像级别扰动得到图像本质特征信息的特征空间扩张模块。本发明在使用轻量级分割网络基础上引入特征投影层和特征预测层，优化了模型训练的结构和参数，保证了分割准确率和性能指标。实验测试：该模型在dice系数上表现出精确度达到90.76的性能且将时间成本缩小为现阶段其他常用方法的1/2。
-
公开(公告)号：CN118411504B
公开(公告)日：2025-03-18
申请号：CN202410505959.4
申请日：2024-04-25
Applicant: 重庆邮电大学
IPC: G06V10/24 , G06V10/774 , G16H50/20 , G16H30/00
Abstract: 本发明属于医学数据处理领域，具体涉及一种医学图像文本对齐模型的训练方法、装置及设备；所述方法包括获取医学图像、增强视图、医学文本和增强文本；采用图像编码器提取图像特征，采用文本编码器提取文本特征；利用多视图监督图像文本对齐获得更为详尽的医学图像和医学文本表征；利用多尺度自注意力与交叉注意力集成对齐策略能在无需外部信息的情况下，通过内部特征的关联性来理解每个模态的上下文信息，还能够学习到跨模态的信息。利用高置信度聚类信息引导正负样本构建算法能够深入挖掘高阶语义信息，使得预训练完成后的模型能够用于医学图像和其成对的医学报告之间精准的配对能力，以及对图像中病灶区域的精准定位能力，辅助医疗病情诊断。
-
-
公开(公告)号：CN117496550A
公开(公告)日：2024-02-02
申请号：CN202311225879.5
申请日：2023-09-21
Applicant: 重庆邮电大学
IPC: G06V40/10 , G01S7/41 , G01S13/89 , G01S13/08 , G01S13/58 , G06V10/764 , G06V10/82 , G06F18/10 , G06F18/214 , G06F18/24 , G06F18/25 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种运用基于距离感知和速度感知的卷积神经网络进行手势识别的方法，包括以下步骤：步骤1：雷达信号预处理阶段：包含信号的归一化，去均值，并且将雷达信号矩阵转化为距离多普勒图像（RDM），能够体现目标的距离和速度信息；步骤2：训练阶段，使用距离多普勒图像作为神经网络输入，通过距离感知和速度感知的神经网络进行手势识别训练，经过多次迭代降低loss值，步骤3：验证阶段，本发明通过重参数化技术减少了参数量，并且使用基于距离感知和速度感知的嵌入模块来适配于RDM形式的雷达信号输入，最后通过二值转换层提高图像分类的准确率，最终的准确率高达98%以上，并且可以应用于各种场景。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.015 seconds)
