-
公开(公告)号:CN117058691B
公开(公告)日:2024-09-13
申请号:CN202310553707.4
申请日:2023-05-16
Applicant: 重庆邮电大学
IPC: G06V30/228 , G06T17/00 , G06T7/246 , G06V10/82 , G06V10/26 , G06V10/46 , G06N3/0464
Abstract: 本发明属于人机交互和计算机视觉领域,特别涉及一种基于三维手势重建的空中手写交互方法,包括:获取用户空中手写交互的彩色图像数据流,并输入到深度神经网络中进行手部核心区域分割和手部关节点二维信息提取;将手部核心区域图和手部关节点二维信息输入到解码网络中估计三维空间中用户的手势模型,并对手势模型进行约束重建;根据重建后的三维手势模型实时获取用户的指尖运动轨迹,采用时序卷积循环神经网络对指尖运动轨迹进行识别,得到空中手写交互识别结果;本发明使用时序卷积循环网络来直接处理手写运动轨迹,不但能够识别输出手写文本行,而且还具备更高的识别精度、更小的计算开销和模型存储,提升了系统的实用性和普及性。
-
公开(公告)号:CN118627632A
公开(公告)日:2024-09-10
申请号:CN202410689468.X
申请日:2024-05-30
Applicant: 重庆邮电大学
IPC: G06N5/045 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明为一种新型基于信息熵采用池化和高斯上采样的加权特征融合CAM方法。首先,针对目标层的特征图和梯度矩阵,通过引入池化操作过滤噪声信息,并基于高斯上采样解决图像特征低分辨率问题,以获得激活图的不同尺度激活图;然后,利用图像信息熵求解不同尺度激活图的信息贡献占比,再通过对不同尺度激活图加权平均获得优化的激活图像;最后,将优化的激活图和对应权重加权求和,以输出更加精确、高效的显著图。通过实践与分析可知,本申请的WPG‑CAM方法能够有效消除显著图中的噪声,在综合指标上优于其他CAM方法,能够提供更加精确和更高细粒度的类映射图像。
-
公开(公告)号:CN114841887B
公开(公告)日:2024-09-06
申请号:CN202210515284.2
申请日:2022-05-12
Applicant: 重庆邮电大学
IPC: G06T5/77 , G06T5/60 , G06N3/0464 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/764
Abstract: 本发明属于计算机视觉领域,具体涉及一种基于多层次差异学习的图像恢复质量评价方法,该方法包括:获取待评价的恢复图像,将恢复图像输入到训练好的基于多层次差异学习的图像恢复质量评价模型中,得到质量评价结果;根据质量评价结果对该图像进行分类保存;其中基于多层次差异学习的图像恢复质量评价模型包括多层差异生成子网络和感知差异回归子网络;本发明所提方法并不是只对恢复后的图像进行质量评估,而是能够量化失真恢复图像对之间的感知差异值,使得对恢复图像进行预测更加可靠和有效。
-
公开(公告)号:CN118155053A
公开(公告)日:2024-06-07
申请号:CN202410490500.1
申请日:2024-04-23
Applicant: 重庆邮电大学
IPC: G06V10/98 , G06V10/764 , G06V10/774 , G06V10/40 , G06V10/82 , G06N3/0464
Abstract: 本发明属于图像美学评价领域,具体涉及一种基于主客观属性融合的图像美学评价方法,包括:获取待评价的图像,将图像输入到训练后的图像美学评价模型,得到评价结果;图像美学评价模型包括客观属性特征提取网络、主观属性特征提取网络以及个性化图像美学先验网络;本发明利用了多种客观属性和主观属性辅助图像美学评价任务,模型融合了多种与图像美学相关的客观属性特征和与个性化美学相关性较强的主观属性特征,更全面的考虑图像美学因素,使得模型能够更好的获得目标用户的审美偏好。
-
公开(公告)号:CN114841887A
公开(公告)日:2022-08-02
申请号:CN202210515284.2
申请日:2022-05-12
Applicant: 重庆邮电大学
IPC: G06T5/00 , G06N3/04 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明属于计算机视觉领域,具体涉及一种基于多层次差异学习的图像恢复质量评价方法,该方法包括:获取待评价的恢复图像,将恢复图像输入到训练好的基于多层次差异学习的图像恢复质量评价模型中,得到质量评价结果;根据质量评价结果对该图像进行分类保存;其中基于多层次差异学习的图像恢复质量评价模型包括多层差异生成子网络和感知差异回归子网络;本发明所提方法并不是只对恢复后的图像进行质量评估,而是能够量化失真恢复图像对之间的感知差异值,使得对恢复图像进行预测更加可靠和有效。
-
公开(公告)号:CN104173029B
公开(公告)日:2016-06-08
申请号:CN201410451790.5
申请日:2014-09-05
Applicant: 重庆邮电大学
IPC: A61B5/02
Abstract: 本发明涉及生物医学设备领域,特别涉及一种可调整的纵向脉象检测驱动器包括:支撑杆、两个滑动扣、两个锁定冒、两个压力弹簧;本发明的可调整的纵向脉象检测驱动器在支撑杆、两个滑动扣、两个锁定冒、两个压力弹簧的配合下可以精确地定位到寸口脉的“寸”、“关”、“尺”三部位。以便于脉象传感探头采集寸口脉的“寸”、“关”、“尺”三个部位的脉象信息。支撑杆的月牙形上滑杆和月牙形下滑杆分别与牵引柱之间的间隙在0.05mm至0.15mm之间可以确保该位置脉象传感探头采集寸口脉的“寸”、“关”、“尺”三个部位的脉象信息的稳定性以及滑动的灵活性。
-
公开(公告)号:CN118334682A
公开(公告)日:2024-07-12
申请号:CN202410462544.3
申请日:2024-04-17
Applicant: 重庆邮电大学
IPC: G06V30/228 , G06V30/18 , G06V30/19 , G06V10/82 , G06V10/766 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/049 , G06N3/042 , G06V10/62
Abstract: 本发明涉及人机交互、计算机视觉领域,特别涉及一种基于图形结构引导感知的跨模态手写文本识别方法,用户通过VR设备用手在空中书写英语单词,VR设备对其手势进行识别并对空中书写轨迹进行记录,对书写轨迹进行识别的过程包括:将采集的书写轨迹转换为基于骨架的几何图;构建基于时间卷积循环网络的轨迹编码器,利用该编码器从写轨迹中提取时空信息,得到书写轨迹的特征编码;构建基于金字塔图网络的图形编码器,利用该编码器从基于骨架的几何图中提取拓扑信息,得到几何图的特征编码;构建基于图形结构引导感知的跨模态解码器,将时空信息和拓扑信息作为多模态数据输入该解码器,该解码器识别得到字母序列;本发明在手写文本识别方面取得了较同时期的其他主流方法更为先进的性能。
-
公开(公告)号:CN114091519A
公开(公告)日:2022-02-25
申请号:CN202111255008.9
申请日:2021-10-27
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机视觉领域,涉及一种行人重识别方法,尤其涉及一种基于多粒度遮挡感知的遮挡行人重识别方法;该方法包括:实时获取待重识别的行人图像数据;将该数据输入到训练好的基于多粒度遮挡感知的遮挡行人重识别模型中,输出遮挡行人重识别结果;本发明对比固定分割和单一级别的方法,增强了特征多样性;对比仅使用沿高度维度水平分割的方法,添加垂直划分以应对任意分布的语义信息;对比一步预测的方法,在多个级别上进行多步预测以提升精度,实现更精确的遮挡行人重识别。
-
公开(公告)号:CN104161500A
公开(公告)日:2014-11-26
申请号:CN201410451787.3
申请日:2014-09-05
Applicant: 重庆邮电大学
IPC: A61B5/02
Abstract: 本发明涉及生物医学工程领域,特别涉及脉象垂直按压驱动器,包括阵列按压传感探头、活塞、活塞锁定器、驱动罐、拉力弹簧、封装盖、气管和充放控制装置;通过充放控制装置充气使驱动罐压力增大,推动活塞向下运动,锁定栓在压力弹簧的自然弹力作用下锁定栓卡住卡翼的锯齿,使活塞稳定在某一设定压力位置,实现“举按寻”力度增加精确控制和“寻按”操作精确分层;通过充放控制装置放气,使驱动罐压力减小,通过拉力弹簧拉力产生向上拉动活塞的作用力,控制活塞锁定器的电磁驱动块产生吸引磁引力,吸引推进块压缩弹簧,锁定栓的锁定栓松开卡翼的锯齿,实现“举按寻”力度减小和“举寻”操作,可以灵活实现“寸、关和尺”三部位的“举按寻”脉诊。
-
公开(公告)号:CN118833182A
公开(公告)日:2024-10-25
申请号:CN202410827448.4
申请日:2024-06-25
Applicant: 重庆邮电大学
IPC: B60R21/0136 , B60R21/26 , B60R21/264 , G06N3/0499 , G06N3/084 , G06N5/048
Abstract: 本发明涉及一种基于超轻量级融合神经网络的安全气囊点火控制方法,属于安全气囊点火控制技术领域,包括以下步骤:S1:当汽车发生正面碰撞时,采集碰撞加速度信号,提取特征变量;S2:利用基于自适应模糊推理的汽车碰撞强度推理算法推理汽车碰撞强度;S3:通过BP神经网络引导的超轻量级乘员位移感知模型,对乘员位移进行检测;S4:结合汽车碰撞强度和乘员位移,判断汽车碰撞强度大小,并确定目标点火时刻。本方法具备准确判断汽车碰撞强度的能力,从而提升了安全气囊点火的可靠性,特别是在中、低速碰撞时有效减少了气囊的误点火情况。同时,通过对乘员位移展开程度的智能判断,还增强了整个控制系统的灵活性和智能化水平。
-
-
-
-
-
-
-
-
-