公开(公告)号：CN118628765A

公开(公告)日：2024-09-10

申请号：CN202410794241.1

申请日：2024-06-19

Applicant: 重庆邮电大学

Inventor： 胡章芳 ,  袁远 ,  王燚 ,  王博琨

IPC: G06V10/62 ,  G06V10/44 ,  G06V10/46 ,  G06V10/52 ,  G06V10/54 ,  G06V10/80 ,  G06V10/28 ,  G06V10/764 ,  G06V10/766 ,  G06V20/40 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048

Abstract: 本发明公开了一种基于孪生网络融合LBP与注意力的多特征目标跟踪方法，该方法包括步骤：S1，提出了一种融合LBP特征的孪生网络；S2，在预处理后先对视频帧进行LBP特征提取，再将局部二值模式图送进孪生网络中进行训练，进而对目标进行浅深层特征提取；S3，在网络的每个特征层后引入协调注意力模块，将通道和空间坐标信息整合到生成的注意力图中；S4，将浅层网络提取出的信息与深层提取出的网络信息进行融合，再经过RPN进行训练；S5，利用SiamRPN两个分支进行相关运算，得到最终的分类分支和回归分支的输出，从而完成对目标物体的跟踪。本发明解决目前孪生网络在目标追踪上的缺陷，有效地缓解了位置信息丢失的问题，提高了孪生网络的追踪准确率和鲁棒性。

公开(公告)号：CN117033985A

公开(公告)日：2023-11-10

申请号：CN202310884280.6

申请日：2023-07-18

Applicant: 重庆邮电大学

Inventor： 胡章芳 ,  吴若赛 ,  王博琨

IPC: G06F18/2131 ,  G06F18/2415 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084 ,  G06N3/0985 ,  A61B5/374 ,  A61B5/00 ,  G06F123/02

Abstract: 本发明请求保护一种基于ResCNN‑BiGRU的运动想象脑电分类方法，该方法通过使用原始运动想象脑电信号的两种不同特征表示对其进行分类，分别为经过小波变换后的时频图像和预处理后的时间序列信号。然后，送入并行特征融合网络ResCNN‑BiGRU中。该网络由残差卷积神经网络分支和双向门控循环单元并行组成，分别用于提取脑电信号时频图中的混合特征和丰富的时间序列信息，并引入CBAM模块防止在中间特征与初始特征融合的过程中引入过多的噪声。在并行特征融合网络的最后一层，将两个分支提取到的特征向量拼接后送入全连接层和Softmax层进行分类。本方法对运动想象脑电信号分类任务的准确率的提升有显著提升。

公开(公告)号：CN118629082A

公开(公告)日：2024-09-10

申请号：CN202410723019.2

申请日：2024-06-05

Applicant: 重庆邮电大学

Inventor： 罗元 ,  王博琨 ,  吴若赛

IPC: G06V40/18 ,  G06V10/82 ,  G06V10/80 ,  G06T7/73 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明请求保护一种基于对抗网络与注意力机制的视线估计方法，该方法通过一种特征融合对抗网络FadNet对视线方向进行估计，FadNet包括提取网络和融合网络两个部分。在提取网络中引入对抗模块，以对抗优化的方法更精准地提取视线估计相关特征；融合网络则能够将多个通道的特征融合，通过注意力机制自适应分配各通道权重，从而获取更准确的视线方向。本方法在无约束的自然环境视线估计中，具有更好的精度表现。