-
公开(公告)号：CN118865132A
公开(公告)日：2024-10-29
申请号：CN202410981812.2
申请日：2024-07-22
Applicant: 重庆邮电大学
IPC: G06V20/10 , G06V20/13 , G06V10/74 , G06V10/82 , G06T3/4053 , G06T3/4046 , G06T5/60 , G06T5/70 , G06T7/11 , G06T7/136 , G06T5/30 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于超分辨率增强的卫星图像道路提取方法、设备和介质，构建超分辨率模型，根据上下文特征聚合网络和频分远距离残差块和高质量重建网络对低分辨率图像进行增强；对增强后的图像采用卷积神经网络预测图像中每个像素与相邻像素的像素相似度；构建第一损失函数和复合损失函数对像素相似度进行多重优化，基于优化后的像素相似度从卫星图像中提取道路图像；并对图像进行去噪处理，得到道路数据。通过将低分辨率的图像输入超分辨率模型增强后，利用卷积神经网络对图像进行分割，构建损失函数提高提取的图像的精度，进行图像细化以提取道路中心线，转化为道路图，完成对超分辨卫星图像道路的提取，提高卫星图像的道路识别精度和效率。
-
公开(公告)号：CN118037429A
公开(公告)日：2024-05-14
申请号：CN202410235163.1
申请日：2024-03-01
Applicant: 重庆邮电大学
IPC: G06Q40/03 , G06Q10/04 , G06F18/10 , G06F18/214 , G06F18/21 , G06F17/18 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及一种企业信用等级和信用展望的多任务预测方法，属于多任务预测技术领域，包括获取与企业信用等级有关的多维度历史数据样本，以及与经济环境有关的多变量样本；对样本进行预处理，构建企业数据集；为样本建立信用展望标签，构建企业信用预测数据集；使用多独立样本的非参数Kruskal‑Wallis秩和检验，评估选择的数值特征指标对各信用等级类别样本之间是否有差异性；建立基于软标签Informer模型的企业信用等级和信用展望的多任务预测框架；将更新后的企业信用预测数据集分为训练集、测试集和验证集，对模型进行训练、测试和调参；将需要预测的企业历史样本输入训练好的模型，预测出企业的信用等级以及信用展望结果。
-
公开(公告)号：CN117745813A
公开(公告)日：2024-03-22
申请号：CN202311634826.9
申请日：2023-12-01
Applicant: 重庆邮电大学
IPC: G06T7/73 , G06V10/40 , G06V10/62 , G06V10/42 , G06V10/764 , G06V10/82 , G06V40/10 , G06N3/0499 , G06N3/096
Abstract: 本发明涉及一种基于多实例学习和多头视觉注意力的篮球战术识别方法，属于计算机视觉技术领域。该方法包括以下步骤：获取球场上球员的位置数据，并经过预处理成轨迹图像，基于多实例学习，通过实例组合模块采用组合排列的方式将进攻或者防守方的球员轨迹组成多个实例；将每个实例图像进行分块并嵌入位置信息，将数据分别沿着轨迹滤波器模块和多头注意力模块的两个通道提取轨迹和球场线特征；经过前馈网络将输出维度与战术类别维度进行对应，通过多实例最大置信度层将包中置信度最高的实例输出，得到篮球战术类别和关键球员。本发明为篮球战术识别提供了一种新的方法和思路。
-
公开(公告)号：CN116248164A
公开(公告)日：2023-06-09
申请号：CN202211624634.5
申请日：2022-12-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及基于深度强化学习的完全分布式路由方法和系统，属于卫星网络动态技术领域。该方法以邻居节点的剩余能量、目的卫星坐标、邻居节点接收队列长度，邻居节点坐标以及当前节点发送队列长度作为状态输入智能决策下一跳，其主要步骤包括：首先，对每颗卫星建立了一个部分可观测的马尔可夫决策过程模型，其中只需要相邻卫星的空间位置、排队状态以及剩余能量。其次，提出了一种基于多智能体深度强化学习的完全分布动态路由方法，推导最优路由策略。
-
公开(公告)号：CN115953834A
公开(公告)日：2023-04-11
申请号：CN202211622338.1
申请日：2022-12-16
Applicant: 重庆邮电大学
IPC: G06V40/20 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/44 , G06V10/46 , G06N3/08 , G06F17/18 , G06N3/0464
Abstract: 本发明涉及计算机视觉领域，公开了一种面向仰卧起坐的多头注意力姿态估计方法及检测系统，包括：S1、获取若干关于仰卧起坐的原始图像构建自建数据集并进行标注，然后使用合成数据集将若干所述原始图像进行扩充得到扩充数据集；S2、构建多头自注意力模块Mx和ResNet50神经网络，并将所述多头自注意力模块Mx添加至ResNet50神经网络中，得到用于提取图像特征的特征提取网络；S3、构建基于人体坐标回归的人体姿态估计器Ex和损失函数Lloss，将所述特征提取网络和人体姿态估计器Ex通过平均池化层连接回归得到人体姿态估计网络；S4、使用训练完后的所述面向仰卧起坐的多头注意力姿态估计网络对所述测试集中的图像进行识别。本发明可以避免发生过拟合现象，提高图像全局信息的利用，减少推理内存。
-
Patent Agency Ranking
公开(公告)号：CN112950606B
公开(公告)日：2023-04-07
申请号：CN202110275184.2
申请日：2021-03-15
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06T7/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机视觉、目标检测与语义分割领域，特别涉及一种基于小样本的手机屏幕缺陷分割方法，包括采集具有不同类型缺陷的多款手机屏幕图像，并对采集的屏幕图像进行至少包括图像切割、灰度处理、缺陷分类和以及缺陷图像分割标注的预处理；构建小样本下的手机屏幕缺陷图像数据集，其包括训练集和测试集，数据集中包含了缺陷图像及其对应的分割图像；构建小样本手机屏幕缺陷语义分割网络，并使用手机屏幕缺陷图像训练集对分割网络进行训练，将待预测图像输入训练好的网络即可得到分割图像；本发明充分利用少量的已标注分割图像对分割网络进行训练，极大地提升缺陷分割的效果，实现对缺陷图像的分类与定位。
-
公开(公告)号：CN112801751B
公开(公告)日：2022-12-23
申请号：CN202110155597.7
申请日：2021-02-04
Applicant: 重庆邮电大学
Abstract: 本发明属于大数据挖掘领域，具体涉及一种多任务图神经网络的个性化景区推荐方法，该方法包括：获取用户与景区的交互数据、用户属性数据以及景区属性数据；根据用户与景区数据构建景区知识图谱以及用户知识图谱；通过两个图神经网络学习知识图谱中实体和关系的向量表示，从而构建深度神经网络预测用户对景区的评分；通过推荐网络评分任务和用户以及景区知识图谱表示学习任务的多任务交替训练的方式训练三个网络，完成模型优化；本发明引入景区与用户属性信息并构建知识图谱，通过多任务交替训练的方式训练网络，精确地学习到用户与景区特征间的关系，多任务交替训练网络可以增强模型的可扩展性，避免模型过拟合，能有效提升推荐性能。
-
公开(公告)号：CN114997897A
公开(公告)日：2022-09-02
申请号：CN202210362270.1
申请日：2022-04-07
Applicant: 重庆邮电大学
IPC: G06Q30/02 , G06F16/9537 , G06K9/62 , G06Q30/00
Abstract: 本发明涉及一种基于移动数据的易受诈人群画像构建方法，属于数据挖掘领域。该方法包括：S1：提取用户网络信息空间特征；S2：提取用户物理空间行为特征；S3：获取用户二元空间融合特征，即对用户网络信息空间特征和物理空间行为特征进行特征融合，并对用户二元空间融合特征进行筛选，得到最优特征子集；S4：根据最优特征子集生成用户画像。本发明将移动运营商的数据能力、第三方电子地图数据、用户画像技术、电信诈骗中受害人的特性相结合，构建易受诈人群用户画像，有效提高了画像的准确性、完整性。利用数据加深对受害人的理解，为反诈工作的有效开展提供新思路。
-
公开(公告)号：CN111553929B
公开(公告)日：2022-08-09
申请号：CN202010397833.1
申请日：2020-05-12
Applicant: 重庆邮电大学
Abstract: 本发明属于机器视觉、缺陷检测领域，特别涉及基于融合网络的手机屏幕缺陷分割方法、装置及设备；所述方法包括采集手机屏幕图像，包括缺陷图像和无缺陷图像；利用缺陷图像使用迁移学习方法对预先建立的缺陷检测网络进行训练，并获得缺陷图像对应的缺陷候选框；利用无缺陷图像对预先建立的图像重构网络进行训练，并恢复出背景重构图像；将缺陷图像和背景重构图像进行差值运算，采用阈值分割的方式得到缺陷分割图；在所述缺陷分割图上利用对应的缺陷候选框的位置坐标，提取出缺陷分割图在位置坐标下对应的缺陷部分，并获得最终的缺陷分割结果；本发明将缺陷检测网络与图像重构网络进行结合，不仅能够实现缺陷小目标的检测，还能准确分割出缺陷图像。
-
公开(公告)号：CN114332916A
公开(公告)日：2022-04-12
申请号：CN202111465470.1
申请日：2021-12-03
Applicant: 重庆邮电大学
IPC: G06V40/10 , G06V20/52 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/764 , G06V10/74 , G06V10/82
Abstract: 本发明涉及一种增强优化跨域行人重识别方法，属于计算机视觉技术领域。该方法包括：辅助数据和目标数据集构建、可靠训练数据集和增强训练数据集划分、辅助数据和可靠训练数据分类损失、可靠训练数据动态近邻样本探索及增强训练数据动态近邻样本挖掘；本发明充分利用簇外难样本信息和簇内样本特征，挖掘目标域潜在信息，并与辅助数据进行交替训练，从而提高模型在目标域的匹配性能。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.029 seconds)
