-
公开(公告)号：CN118537354A
公开(公告)日：2024-08-23
申请号：CN202410229808.0
申请日：2024-02-29
Applicant: 重庆邮电大学
IPC: G06T7/12 , G06N3/084 , G06N3/0464 , G06T5/50 , G06T5/30 , G06T3/4038
Abstract: 本发明涉及语义分割技术领域，具体涉及一种基于边缘通道注意力的自然图像小样本语义分割方法；该方法包括构建并训练语义分割模型，获取待分割图像输入训练好的语义分割模型得到分割结果，所述语义分割模型包括MCA模型；本发明可以一定程度的减少基于错误先验图和无关语义的误导，提升小样本语义分割的准确度。
-
公开(公告)号：CN118229745A
公开(公告)日：2024-06-21
申请号：CN202410297328.8
申请日：2024-03-15
Applicant: 重庆邮电大学
IPC: G06T7/33 , G06N3/088 , G06V10/42 , G06V10/44 , G06N3/0475 , G06N3/0464 , G06V10/764 , G06N3/045
Abstract: 本发明涉及一种基于虚拟锚点引导的无监督点云鲁棒配准方法，该方法包括：获取相同场景下不同视角的两个点云，将其输入预训练好的无监督点云配准模型，得到点云配准结果；无监督点云配准模型的训练过程包括：获取源点云和目标点云；通过特征提取分别得到相应的全局特征；分别对相应的全局特征进行虚拟锚点生成，得到相应的虚拟锚点；对相应的虚拟锚点取K最近邻，利用特征提取网络，分别得到相应的局部特征；计算对应的相似度矩阵；进而得到变换矩阵，根据变换矩阵，得到点云配准结果；计算该模型的损失函数，当损失函数收敛时停止训练，得到训练后的无监督点云配准模型。本发明解决了点云配准中的PtP问题，得到的配准结果更准确，无监督点云配准模型的鲁棒性能更优。
-
公开(公告)号：CN111681252A
公开(公告)日：2020-09-18
申请号：CN202010479507.5
申请日：2020-05-30
Applicant: 重庆邮电大学
Abstract: 本发明属于医学图像处理与计算机视觉技术领域，特别涉及一种基于多路径注意力融合的医学图像自动分割方法，包括获取医学图片数据集，将数据集分为训练集和验证集，对训练集中的图片进行增广，并对验证集和增广之后的训练集中图片进行归一化处理；将训练集中的图片输入多路径注意力融合网络模型，在交叉熵损失函数的指导下输出得到分割结果图；选择验证集准确率最高的模型，将测试集输入加载此模型的多路径注意力融合网络，输出得到图像的分割结果图；本发明解决医学图像分割过程中现有网络无法在编码器无法效地提高不同尺度下的特征质量，并且难以控制网络低级结构特征和高级语义特征之间的层间依赖性从而导致分割结果不佳等问题。
-
公开(公告)号：CN116468888B
公开(公告)日：2025-05-20
申请号：CN202310309481.3
申请日：2023-03-28
Applicant: 重庆邮电大学
IPC: G06V10/26 , G06V10/774 , G06V10/764
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于双网络协同分割模型的图像语义分割方法，包括：建立构建双网络协同分割模型，对于带标签数据采用全监督学习的方式进行模型的训练，对于无标签数据采跨网络相互学习的方法进行半监督学习进模型的训练，将待分割的图像输入训练好的双网络协同分割模型，得到分割结果；本发明基于标签空间和特征空间的相互互补学习，实现了对大量无标签数据的高效利用和开发，缓解了目前全监督深度学习模型训练需要高质量、高成本、极耗时的标签需求，在保证分割模型的性能时进一步让模型的训练成本大大降低，并能够部署于各种的智能系统，具有较高的实际应用价值。
-
公开(公告)号：CN118068709A
公开(公告)日：2024-05-24
申请号：CN202410204171.X
申请日：2024-02-23
Applicant: 重庆邮电大学
Abstract: 本发明属于人工智能领域，具体涉及一种振动系统的轻量化振动控制方法，包括：获取器件的状态信息；将器件的状态信息输入到训练后的基于多奖励优先经验回放的轻量化神经网络模型，得到控制信号；基于多奖励优先经验回放的轻量化神经网络模型包括Actor网络、Actor目标网络、Critic网络以及Critic目标网络；本发明采用了深度残差收缩网络，以实现自适应去噪和轻量化的神经网络；同时，引入了多奖励机制，以协助轻量化网络找到接近最优的控制策略，并采用了优先级经验回放机制，以加速神经网络的收敛速度，提高数据利用效率。
-
Patent Agency Ranking
公开(公告)号：CN118052219A
公开(公告)日：2024-05-17
申请号：CN202311663858.1
申请日：2023-12-05
Applicant: 重庆邮电大学
IPC: G06F40/189 , G06F40/194 , G06F40/30 , G16H15/00 , G16H30/40 , G16H50/20
Abstract: 本发明公开了一种基于细粒度硬区域挖掘用于医学图像文本对齐的算法，与现有的跨模态单一匹配不同，本发明利用所有正区域来扩展跨模态对齐范围，使模型能够学习更鲁棒的图像表示。本发明还能够逐渐消除硬区域的模糊语义，并通过更多地关注硬区域的跨模态对齐来对更清晰划分的边界进行建模。此外，本发明通过消除报告中的语法差异来减轻图像文本对的早期对齐困难。综合实验证明了本发明在下游医学图像理解任务中的有效性和鲁棒性。
-
公开(公告)号：CN115861164A
公开(公告)日：2023-03-28
申请号：CN202211130790.6
申请日：2022-09-16
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06T7/10 , G06V10/774
Abstract: 本发明属于计算机视觉与医学影像融合领域，具体涉及一种基于多领域半监督的医学图像分割方法，包括：构建半监督教师学生分割模型并训练，将待分割的异化领域数据输入训练好的分割模型，得到分割结果；本发明教师学生网络挖掘大量无标签的多领域医学图像的高级语义特征，采用自注意力解纠缠机制的网络提取领域特征以及分割部位特征，使用领域特征相似筛选机制和多领域高级语义对比损失函数进行鲁棒学习，引入指数滑动平均算法，使得学生模型异构为教师模型，在师生一致性约束下的像素级别勘误方案，提升了分割的精度、拓展了多领域的适用性、泛化性，提升深度模型对图像分割的效果，促进了相关技术领域的发展。
-
公开(公告)号：CN113380262B
公开(公告)日：2022-10-18
申请号：CN202110519845.1
申请日：2021-05-13
Applicant: 重庆邮电大学
Abstract: 本发明属于声音信号分离技术领域，特别涉及一种基于注意力机制与扰动感知的声音分离方法，包括获取声音信号数据集，对该数据集的声音信号进行预处理得到混合声音信号，随后将混合声音信号划分为训练集、验证集；将训练集中的混合声音信号输入单通道语音分离网络模型，在交叉熵损失函数的指导下输出得到分离后的独立源信号；利用验证集数据验证每次单通道语音分离网络模型的正确率，并且保存正确率最高时的网络参数；将待分离的混合声音信号数据输入单通道语音分离网络模型，即可得到分割后的独立源声音信号；本发明能够进一步学习区分混合信号中的噪声信号，解决了单通道语音分离网络对噪声鲁棒性不足的问题。
-
公开(公告)号：CN118823530A
公开(公告)日：2024-10-22
申请号：CN202410793920.7
申请日：2024-06-19
Applicant: 重庆邮电大学
IPC: G06V10/80 , G06V10/44 , G06V10/42 , G06V10/56 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/096
Abstract: 本发明属于图像融合技术领域，具体涉及一种基于细节协同模块及知识重放的连续学习的图像融合方法，包括如下步骤：准备图像数据集，并对所述图像数据集进行预处理；构建用于处理所述图像数据集融合任务的统一图像融合网络；构建基于跨任务细节协同模块以及知识重放的知识蒸馏框架，根据构建的所述知识蒸馏框架处理统一图像融合网络输出的数据，本发明通过设置便于知识重放的记忆池，并且基于梯度的筛选机制选取样本，提高记忆池样本多样性；同时利用知识蒸馏的方式使旧知识能够更好得迁移到新模型中，使得图像融合任务能够对抗灾难性遗忘。
-
公开(公告)号：CN117351568B
公开(公告)日：2024-08-20
申请号：CN202311389213.3
申请日：2023-10-24
Applicant: 重庆邮电大学
IPC: G06V40/20 , G06V40/10 , G06V10/44 , G06V10/80 , G06V10/52 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/096 , G06N3/091
Abstract: 本发明属于图像识别技术领域，具体涉及一种基于对偶分支联合矫正的手势识别方法；包括：采用卷积层对手势图像数据进行下采样，得到中间特征；将中间特征输入到学习网络中进行处理，得到第一手势识别预测结果；计算交叉熵损失；将数据扩充后的手势图像输入到引导网络中进行处理，得到第二手势识别预测结果；引导网络通过指数平滑平均调整参数；根据第一、第二手势识别预测结果以及交叉熵损失计算模型总损失并调整学习网络参数，得到训练好的对偶分支联合矫正的半监督手势识别模型；获取手势雷达数据并根据手势雷达数据生成手势图像数据；将手势图像数据输入到训练好的识别模型中进行处理，得到手势识别结果；本发明手势识别准确率高。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.025 seconds)
