-
公开(公告)号：CN113128558B
公开(公告)日：2022-07-19
申请号：CN202110266707.7
申请日：2021-03-11
Applicant: 重庆邮电大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明请求保护一种基于浅层空间特征融合与自适应通道筛选的目标检测方法，包括如下步骤：获取数据集，选取并划分目标检测任务所需的训练集和验证集；对训练集图像进行数据增强，分别对训练集图像和验证集图像中的样本图像进行数据增强；数据输入基于Pytorch开源深度学习框架设计的卷积神经网络中；输出图像中可能存在的目标的位置与类别信息；计算网络模型的输出信息与对应标注信息的损失，训练并优化检测模型；利用优化后的模型参数，检测真实场景图像中是否存在目标，得到相应的目标检测框。本发明采用浅层空间特征融合的方式，提升网络的特征提取能力，实现了端到端的目标检测方法。
-
公开(公告)号：CN111199522A
公开(公告)日：2020-05-26
申请号：CN201911349604.6
申请日：2019-12-24
Applicant: 重庆邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于多尺度残差生成对抗网络的单图像盲去运动模糊方法。包括如下步骤：获取GoPRo成对数据集将其连接成形为模糊——清晰形式的图像对；将训练图像随机裁剪成256×256大小的图像补丁；将标准化后的图像作为模型训练输入数据；设计卷积神经网络，输出去模糊之后的图像；计算模型的输出信息与对应标签清晰图像的峰值信噪比和结构相似性以及损失优化；利用优化后的模型参数，对现实中的具有运动模糊场景的图片进行去模糊得到相应的清晰图片。本发明基于卷积神经网络，采用条件生成对抗网络作为骨干网络并采用了细粒度残差模块作为主体模块，实现了对图像去模糊问题转变为图像翻译问题并加以解决的突破，为图像去模糊的后续操作提供了重要的技术支持。
-
Patent Agency Ranking
公开(公告)号：CN106329099A
公开(公告)日：2017-01-11
申请号：CN201610749096.0
申请日：2016-08-29
Applicant: 重庆邮电大学
CPC classification number: H01Q1/38 , H01Q1/48 , H01Q1/50 , H01Q15/0006 , H01Q15/24
Abstract: 本发明涉及一种应用于北斗终端的宽带圆极化滤波天线，属于无线通信终端的天线技术领域。该天线利用叠成技术，将底层的二级级联功分器和90°移相器级联，为顶层辐射贴片提供较大的圆极化带宽；为进一步改善天线的圆极化性能，在正六边形缝隙加载的顶层辐射贴片上刻蚀两个正交的领结型缝隙，将顶层贴片划分成五个辐射区域，进而产生多模谐振，实现良好的阻抗匹配，并获得足够的圆极化带宽；此外，将馈电网络和辐射天线分别置于接地板的两侧，可有效的将能量集中辐射于上半空间，使所述天线不仅能以右旋圆极化方式辐射，还可对特定频点实现较好地圆极化陷波性能。
-
公开(公告)号：CN111210435B
公开(公告)日：2022-10-18
申请号：CN201911349605.0
申请日：2019-12-24
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于局部和全局特征增强模块的图像语义分割方法，包括选取并制作语义分割任务所需的训练集图像和验证集图像，以及相应的标签图片。对训练集图像进行数据增强，分别对训练集图像和验证集图像中的样本图像进行标准化，对应的标签图像进行编码，设计卷积神经网络中，处理后数据作为模型的输入数据，输出多通道特征图，优化卷积神经网络参数，输入真实场景图像到参数优化后的卷积神经网络中进行语义分割，输出像素被标记后的图像。本发明为场景解析和强化学习等研究中的后续操作提供了重要的技术支持，可应用于虚拟现实，自动驾驶和人机交互等领域。
-
公开(公告)号：CN113128558A
公开(公告)日：2021-07-16
申请号：CN202110266707.7
申请日：2021-03-11
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于浅层空间特征融合与自适应通道筛选的目标检测方法，包括如下步骤：获取数据集，选取并划分目标检测任务所需的训练集和验证集；对训练集图像进行数据增强，分别对训练集图像和验证集图像中的样本图像进行数据增强；数据输入基于Pytorch开源深度学习框架设计的卷积神经网络中；输出图像中可能存在的目标的位置与类别信息；计算网络模型的输出信息与对应标注信息的损失，训练并优化检测模型；利用优化后的模型参数，检测真实场景图像中是否存在目标，得到相应的目标检测框。本发明采用浅层空间特征融合的方式，提升网络的特征提取能力，实现了端到端的目标检测方法。
-
公开(公告)号：CN111210435A
公开(公告)日：2020-05-29
申请号：CN201911349605.0
申请日：2019-12-24
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于局部和全局特征增强模块的图像语义分割方法，包括选取并制作语义分割任务所需的训练集图像和验证集图像，以及相应的标签图片。对训练集图像进行数据增强，分别对训练集图像和验证集图像中的样本图像进行标准化，对应的标签图像进行编码，设计卷积神经网络中，处理后数据作为模型的输入数据，输出多通道特征图，优化卷积神经网络参数，输入真实场景图像到参数优化后的卷积神经网络中进行语义分割，输出像素被标记后的图像。本发明为场景解析和强化学习等研究中的后续操作提供了重要的技术支持，可应用于虚拟现实，自动驾驶和人机交互等领域。
-
公开(公告)号：CN106329099B
公开(公告)日：2019-06-07
申请号：CN201610749096.0
申请日：2016-08-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种应用于北斗终端的宽带圆极化滤波天线，属于无线通信终端的天线技术领域。该天线利用叠成技术，将底层的二级级联功分器和90°移相器级联，为顶层辐射贴片提供较大的圆极化带宽；为进一步改善天线的圆极化性能，在正六边形缝隙加载的顶层辐射贴片上刻蚀两个正交的领结型缝隙，将顶层贴片划分成五个辐射区域，进而产生多模谐振，实现良好的阻抗匹配，并获得足够的圆极化带宽；此外，将馈电网络和辐射天线分别置于接地板的两侧，可有效的将能量集中辐射于上半空间，使所述天线不仅能以右旋圆极化方式辐射，还可对特定频点实现较好地圆极化陷波性能。
-
-
-
-
-
-
Search Results
7
records
(took 0.026 seconds)
