公开(公告)号：CN116467630A

公开(公告)日：2023-07-21

申请号：CN202310451014.4

申请日：2023-04-24

Applicant: 重庆邮电大学

Inventor： 文武 ,  李杰 ,  杨清钧

IPC: G06F18/24 ,  A61B5/021 ,  G06F18/241 ,  G06F18/10 ,  G06F18/2131

Abstract: 本发明涉及一种基于熵分量和卷积特征的脉搏波识别方法，属于机器学习以及信号处理领域。该方法具体包括：S1：信号滤波处理模块：用光电传感器采集脉搏波信号，并对信号进行预处理，构建脉搏波数据集和信号标签；S2：熵分量特征提取模块：通过熵分量的方式，使用脉搏波数据集进行能量信息特征提取；S3：卷积神经网络特征提取模块：通过卷积神经网络的方式，使用脉搏波数据集进行抽象特征提取，并以卷积结果表示；S4：支持向量机识别模块：通过支持向量机的方式，利用得到的脉搏波能量信息特征和抽象特征与标签进行训练和识别操作，得到最终的识别结果。本发明能提高脉搏波识别的准确率。

公开(公告)号：CN115661456A

公开(公告)日：2023-01-31

申请号：CN202211342423.2

申请日：2022-10-31

Applicant: 重庆邮电大学

Inventor： 文武 ,  杨清钧 ,  李杰

IPC: G06V10/26 ,  G06V10/28 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06V10/774 ,  G06V20/70 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明针对舌图像分割算法存在边缘信息损失严重、分割精度低等问题，提出一种基于高分辨率网络的舌图像分割算法，首先对输入图片进行处理，构建多尺度子网并行连接的结构；其次引入注意力机制构建特征提取模块，加强对全局信息的提取；然后通过多尺度特征融合结构，充分融合低分辨率语义信息和高分辨率特征信息；最后通过空间金字塔池化结构进一步提取边界信息。本发明有效提高了分割精度，减少边缘信息的损失，充分满足舌诊仪的需求。

公开(公告)号：CN114187638A

公开(公告)日：2022-03-15

申请号：CN202111522270.5

申请日：2021-12-13

Applicant: 重庆邮电大学

Inventor： 文武 ,  董玉晖

IPC: G06V40/16 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于空间分布损失函数的真实环境下的人脸表情识别方法，涉及计算机视觉领域，本发明的技术方案1)将人脸表情数据集的图像进行预处理；2)设计高效注意力机制的卷积神经网络；3)在高效注意力机制网络学习过程中部署联合损失函数进行监督学习；4)将人脸表情数据集分为训练集、验证集以及测试集；对上文设计的卷积神经网络进行预训练；5)利用人脸表情数据集对训练模型进行参数微调，得到最终的人脸表情识别模型；6)使用最终的人脸表情识别模型进行人脸表情识别。经过训练后得到人脸表情识别模型，实现对待分类表情图像的有效分类。

公开(公告)号：CN114170666A

公开(公告)日：2022-03-11

申请号：CN202111520998.4

申请日：2021-12-13

Applicant: 重庆邮电大学

Inventor： 文武 ,  董玉晖

IPC: G06V40/16 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多区域卷积神经网络的人脸表情识别方法，涉及计算机视觉领域，本发明的技术方案包括1)人脸表情数据集的预处理，通过裁剪得到人脸表情图像的局部特征信息；2)设计注意力卷积神经网络，分别提取人脸表情图像的局部信息特征和全局信息特征；3)划定各局部区域和全局区域的损失权重，得到各局部区域和全局区域的损失期望以反向传播实现注意力卷积神经网络的学习；4)使用大规模人脸表情数据集训练注意力卷积神经网络，得到人脸表情识别模型。可以同时提取局部特征和全局特征，并降低遮挡区域的对人脸表情识别的影响力权重，提高面部存在局部遮挡的人脸表情识别的精确度。

公开(公告)号：CN108805902A

公开(公告)日：2018-11-13

申请号：CN201810472856.7

申请日：2018-05-17

Applicant: 重庆邮电大学 ,  重庆信科设计有限公司

Inventor： 文武 ,  伍立志 ,  廖新平

IPC: G06T7/246

CPC classification number: G06T7/251 ,  G06T2207/10016 ,  G06T2207/20056

Abstract: 本发明公开了一种自适应尺度的时空上下文目标跟踪方法，属于图像处理技术领域。本方法包括：S1、提取目标区域的颜色直方图特征和梯度直方图特征，建立空间上下文模型；S2、利用空间上下文模型更新下一帧时空上下文模型，进而更新目标置信图，并求得目标置信图的最大似然概率位置作为目标位置；S3、通过更新目标尺度来自适应追踪后续帧的目标位置。本发明的优势在于：通过对视频图像序列进行颜色直方图和梯度直方图特征提取建立目标模型，然后利用时空上下文模型在线学习更新目标的置信图且获取目标的最大概率置信图，最后利用改进的时空上下文跟踪算法尺度方案跟踪后续帧目标，确保目标在尺度不断变化时高的跟踪精度和实时性。