公开(公告)号：CN116450954A

公开(公告)日：2023-07-18

申请号：CN202310442845.5

申请日：2023-04-23

Applicant: 重庆邮电大学

Inventor： 袁正午 ,  占希玲 ,  周亚涛 ,  杨浩 ,  张凡

IPC: G06F16/9536 ,  G06F16/9535 ,  G06N3/048 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明涉及一种基于图卷积网络的协同过滤推荐方法，属于内容推荐领域，包括获取数据集；将数据构造成用户‑项目二分图，用户‑用户二分图，项目‑项目二分图；构造子图生成模块，结合用户特征和图结构来识别具有相似兴趣的用户，然后通过保留这些用户及其交互项目来构造子图；在低阶图卷积模块中生成的用户项目的嵌入与子图生成模块中的嵌入拼接，形成最终的推荐结果。该方法提供了一种基于卷积图神经网络的协同过滤推荐算法，定义了一种子图生成模块，并加入一阶信息，定义了一个新的约束损失函数，解决了基于图卷积的推荐算法中，迭代多层出现的过渡平滑问题，通过堆叠更多的层来利用高阶邻居的信息而获得改进。

公开(公告)号：CN114067160B

公开(公告)日：2023-04-07

申请号：CN202111387970.8

申请日：2021-11-22

Applicant: 重庆邮电大学

Inventor： 袁正午 ,  唐婵 ,  徐发鹏 ,  占希玲 ,  徐水英

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V20/13 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及一种基于嵌入平滑图神经网络的小样本遥感图像场景分类方法，属于遥感图像识别领域。该方法首先将场景图片输入到嵌入学习模块中，通过一个卷积神经网络提取场景嵌入特征；再将嵌入平滑引入到场景分类中，在无监督的情况下捕获嵌入特征之间的相似性与差异性，提高嵌入特征的可区分性，扩展决策边界，降低无关特征的影响；同时通过注意力机制采用任务级关系来构建图矩阵，将目标样本与任务中的所有样本关联起来，并在不同场景类别之间产生更具有分辨力的关系表示；然后根据样本间的内在联系构造图；标签匹配模块可以根据构造的图，通过直推式学习迭代生成测试集中样本的预测标签，直到得到最优解。本发明能够实现图像的精确分类。

公开(公告)号：CN114067160A

公开(公告)日：2022-02-18

申请号：CN202111387970.8

申请日：2021-11-22

Applicant: 重庆邮电大学

Inventor： 袁正午 ,  唐婵 ,  徐发鹏 ,  占希玲 ,  徐水英

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V20/13 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于嵌入平滑图神经网络的小样本遥感图像场景分类方法，属于遥感图像识别领域。该方法首先将场景图片输入到嵌入学习模块中，通过一个卷积神经网络提取场景嵌入特征；再将嵌入平滑引入到场景分类中，在无监督的情况下捕获嵌入特征之间的相似性与差异性，提高嵌入特征的可区分性，扩展决策边界，降低无关特征的影响；同时通过注意力机制采用任务级关系来构建图矩阵，将目标样本与任务中的所有样本关联起来，并在不同场景类别之间产生更具有分辨力的关系表示；然后根据样本间的内在联系构造图；标签匹配模块可以根据构造的图，通过直推式学习迭代生成测试集中样本的预测标签，直到得到最优解。本发明能够实现图像的精确分类。

公开(公告)号：CN116452818B

公开(公告)日：2024-12-10

申请号：CN202310501608.1

申请日：2023-05-06

Applicant: 重庆邮电大学

Inventor： 袁正午 ,  周亚涛 ,  占希玲 ,  唐培贤

IPC: G06V10/40 ,  G06V10/25 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明涉及一种基于特征增强的小样本遥感图像目标检测方法，属于图像处理技术领域。该方法包括：先将遥感图像数据集进行划分处理，然后在训练阶段，将大量的基类数据输入特征提取网络；然后在特征提取网络后添加了一个上下文特征增强模块，通过利用指示对象类别存在或不存在的图像级上下文信息来选择性地加强类别感知特征，这能帮助目标检测器更好地理解场景。在小样本微调阶段，利用训练好的特征提取网络，冻结其部分参数，将平衡的基类和新类数据输入到网络中，再由后面RoI特征提取器和表示补偿模块获得修正后的提议框，再对新类别的遥感图像进行目标预测。本发明能够一定程度上解决遥感图像目标检测中的小样本问题。

公开(公告)号：CN116452818A

公开(公告)日：2023-07-18

申请号：CN202310501608.1

申请日：2023-05-06

Applicant: 重庆邮电大学

Inventor： 袁正午 ,  周亚涛 ,  占希玲 ,  唐培贤

IPC: G06V10/40 ,  G06V10/25 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明涉及一种基于特征增强的小样本遥感图像目标检测方法，属于图像处理技术领域。该方法包括：先将遥感图像数据集进行划分处理，然后在训练阶段，将大量的基类数据输入特征提取网络；然后在特征提取网络后添加了一个上下文特征增强模块，通过利用指示对象类别存在或不存在的图像级上下文信息来选择性地加强类别感知特征，这能帮助目标检测器更好地理解场景。在小样本微调阶段，利用训练好的特征提取网络，冻结其部分参数，将平衡的基类和新类数据输入到网络中，再由后面RoI特征提取器和表示补偿模块获得修正后的提议框，再对新类别的遥感图像进行目标预测。本发明能够一定程度上解决遥感图像目标检测中的小样本问题。