-
公开(公告)号：CN117075211A
公开(公告)日：2023-11-17
申请号：CN202311039464.9
申请日：2023-08-17
Applicant: 重庆邮电大学
Abstract: 本发明属于安检成像技术领域，具体涉及一种居家安检机器人及其安检方法，所述机器人包括安装在门上的主机部分和安装在门外天花板上的副机部分；通过主机和副机的协同合作，实现对外来人员的探测和成像，并基于显示设备实时观察和安全预警。本发明相对于传统猫眼和监控摄像头，毫米波雷达成像技术能够穿透衣物和物体，实时探测人体表面以下的潜在危险物品，提供更准确的判断，其穿透性和准确性有巨大提升；通过机器人的滑台电机控制，实现全方位监测，消除死角，确保门外区域的全面覆盖，提高了监测范围；将毫米波雷达技术与AI智能分析相结合，形成多层次、多角度的安全保护，大幅提升家庭安全的整体效果。
-
公开(公告)号：CN114821189A
公开(公告)日：2022-07-29
申请号：CN202210550803.9
申请日：2022-05-18
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于眼底图像的病灶图像分类与识别方法，属于医学影像处理领域。该方法采用YOLOv5网络结构和目标框加权融合为框架，将采集得到的眼底图像经过Mosaic方法深化数据集，再结合深化后的图像数据集和损失函数训练，图像分类后进入目标框加权融合框架，最后根据分类概率输出不同眼底图像的二值图，分类输出病灶二值图。本发明采用提高了网络模型对病灶特征的提取能力。
-
公开(公告)号：CN114913592A
公开(公告)日：2022-08-16
申请号：CN202210547375.4
申请日：2022-05-18
Applicant: 重庆邮电大学
IPC: G06V40/18 , G06V10/82 , G06V10/774 , G06N3/04
Abstract: 本发明涉及一种基于卷积神经网络的眼底图像分类方法，属于医学图像处理技术领域。该方法包括：S1：以眼底图像为输入，获取每个像素对应的组织图像；S2：组织图像通过预训练卷积神经网络进行特征提取；其中预训练卷积神经网络即特征提取网络是利用公开的纹理图像集和少量组织图像集，经迁移学习得到的卷积神经网络；S3：特征提取后，采用基于GAN的孪生网络中的解码器－编码器网络在重构正则化的共享空间中匹配源域和目标域的分布，并利用判别器将目标域和源域区分；S4：采用对抗损失和交叉熵损失函数训练网络参数，获取最优分类网络模型。本发明能增强特征信息提取能力，更加准确地对眼底图像进行分类，提高最终分类结果的准确率。
-
公开(公告)号：CN108521631B
公开(公告)日：2020-05-22
申请号：CN201810330121.0
申请日：2018-04-13
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种面向室内定位的移动AP识别方法。首先，在待定位区域内布置若干固定AP和移动AP，沿若干已知路径采集来自不同AP的RSS序列；其次，利用对数衰减传播模型，计算与AP一定距离范围内的信号衰减值，并依据此信号衰减值对采集到的来自每个AP的RSS数据进行筛选，同时得到筛选后的RSS信号的地理位置坐标；最后，对筛选后的RSS位置坐标进行基于密度的聚类，并求出簇的类内最大距离，以此判断AP是否是移动的。本发明基于指纹的室内定位算法，针对移动AP的存在而导致的室内定位干扰问题，提出了该种移动AP识别的方法。
-
公开(公告)号：CN110390273A
公开(公告)日：2019-10-29
申请号：CN201910594303.3
申请日：2019-07-02
Applicant: 重庆邮电大学
Abstract: 本发明所述一种基于多核迁移学习的室内人员入侵检测方法，分为离线与在线阶段。在离线阶段，根据环境状态为采集的入侵与静默接收信号强度(Received Signal Strength,RSS)打上不同的标签，提取RSS特征并利用RSS特征与对应的标签集构建源域。在在线阶段，提取在线RSS的特征，并利用在线RSS特征及对应的伪标签集构建目标域。然后利用多核迁移学习将源域与目标域RSS迁移到同一个子空间，利用迁移后的源域RSS特征与标签集训练一个分类器，对目标域RSS特征进行分类，从而得到目标域RSS特征对应的新的标签，更新目标域。最后，重复上述步骤，直至算法收敛，得到目标域RSS特征最终的标签集，即实现对目标环境的入侵检测。本发明所提供的一种基于多核迁移学习的室内人员入侵检测方法，能够在降低真实环境中噪声对检测性能的影响的同时，实现对入侵人员的准确检测。
-
Patent Agency Ranking
公开(公告)号：CN108882192A
公开(公告)日：2018-11-23
申请号：CN201810793921.6
申请日：2018-07-19
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于邻域粗糙集约简的室内区域定位方法。首先，将待定位区域划分成若干子区域，并且在待定位区域中部署若干AP和参考点，在每个参考点上采集来自全部AP的RSS信号，与参考点所在的子区域构成位置指纹数据库；其次，将来自每个AP的RSS信号当作为邻域粗糙集的条件属性进行属性的约简，并更新位置指纹数据库，保留剩余AP的RSS数据；最后，应用更新后的位置指纹数据库进行区域定位。本专利基于邻域粗糙集的约简，提出了一种基于邻域粗糙集约简的室内区域定位方法，解决了离线位置指纹开销庞大的问题。
-
公开(公告)号：CN114913592B
公开(公告)日：2024-06-21
申请号：CN202210547375.4
申请日：2022-05-18
Applicant: 重庆邮电大学
IPC: G06V40/18 , G06V10/82 , G06V10/774 , G06N3/0464
Abstract: 本发明涉及一种基于卷积神经网络的眼底图像分类方法，属于医学图像处理技术领域。该方法包括：S1：以眼底图像为输入，获取每个像素对应的组织图像；S2：组织图像通过预训练卷积神经网络进行特征提取；其中预训练卷积神经网络即特征提取网络是利用公开的纹理图像集和少量组织图像集，经迁移学习得到的卷积神经网络；S3：特征提取后，采用基于GAN的孪生网络中的解码器－编码器网络在重构正则化的共享空间中匹配源域和目标域的分布，并利用判别器将目标域和源域区分；S4：采用对抗损失和交叉熵损失函数训练网络参数，获取最优分类网络模型。本发明能增强特征信息提取能力，更加准确地对眼底图像进行分类，提高最终分类结果的准确率。
-
公开(公告)号：CN114821189B
公开(公告)日：2024-06-18
申请号：CN202210550803.9
申请日：2022-05-18
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于眼底图像的病灶图像分类与识别方法，属于医学影像处理领域。该方法采用YOLOv5网络结构和目标框加权融合为框架，将采集得到的眼底图像经过Mosaic方法深化数据集，再结合深化后的图像数据集和损失函数训练，图像分类后进入目标框加权融合框架，最后根据分类概率输出不同眼底图像的二值图，分类输出病灶二值图。本发明采用提高了网络模型对病灶特征的提取能力。
-
公开(公告)号：CN108882192B
公开(公告)日：2020-03-20
申请号：CN201810793921.6
申请日：2018-07-19
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于邻域粗糙集约简的室内区域定位方法。首先，将待定位区域划分成若干子区域，并且在待定位区域中部署若干AP和参考点，在每个参考点上采集来自全部AP的RSS信号，与参考点所在的子区域构成位置指纹数据库；其次，将来自每个AP的RSS信号当作为邻域粗糙集的条件属性进行属性的约简，并更新位置指纹数据库，保留剩余AP的RSS数据；最后，应用更新后的位置指纹数据库进行区域定位。本专利基于邻域粗糙集的约简，提出了一种基于邻域粗糙集约简的室内区域定位方法，解决了离线位置指纹开销庞大的问题。
-
公开(公告)号：CN115205308A
公开(公告)日：2022-10-18
申请号：CN202210546837.0
申请日：2022-05-18
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于线状滤波和深度学习的眼底图像血管分割方法，属于医学图像处理领域。该方法包括：S1：输入眼底图像，使用基于Hessian矩阵的线状滤波算法增强血管区域；S2：采用MobileNetV3作为血管分割模型的基础模型，建立分割网络VSegNet，然后通过在分割网络VSegNet中加入基于递归模块的编码器进行下采样；S3：在分割网络VSegNet中加入解码器对编码器输出的特征图进行上采样和聚合；S4：训练分割网络VsegNet时，采用分割预测结果与分割真值图像的L1范数计算分割结果的损失值。本发明使得特征信息提取能力得到加强，从而使模型分割性能得到提高。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.023 seconds)
