-
公开(公告)号：CN118898864A
公开(公告)日：2024-11-05
申请号：CN202410928567.9
申请日：2024-07-11
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/74 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明请求保护一种多粒度感知与标签分布学习的人脸表情识别方法(GPLDL)，旨在设计针对实际场景下表情的不确定性问题的人脸表情识别模型，属于模式识别领域。所述方法包括以下步骤：首先，设计一种多粒度层次感知融合模块，有效结合了低层次的细节特征和高层次的语义信息，增强了模型在区分细微表情差异方面的能力。其次，通过渐进式训练，从表情图像的不同粒度水平中学习多粒度特征，并尽可能的保持了面部特征的结构完整性。此外，我们还设计了一个全局感知注意力模块，用于捕捉面部的全局上下文信息。最后，设计了一个标签分布学习模块，以构建更全面的情感分布，有效缓解了模糊表情对模型学习的消极影响。并引入了标签分布损失，进一步提高表情识别准确性。
-
公开(公告)号：CN118898863A
公开(公告)日：2024-11-05
申请号：CN202410884752.2
申请日：2024-07-03
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于特征一致性和尺度金字塔损失的人脸反欺骗方法，属于计算机视觉技术领域。所述方法包括以下步骤：首先，针对活体检测中不同视角下特征一致性不足导致模型泛化性降低的问题，提出了特征一致性模块，以鼓励不同视角下特征图的一致性，保证不同尺度下的特征图能够相互匹配和对齐。其次，设计了一个用于进行多尺度特征融合的模块MFFM，使领域迁移部分在生成深度图时能够学习到更多的尺度信息，有助于网络更好地捕捉特征之间的相关性和空间结构。最后，设计了一个尺度金字塔损失SP Loss，该损失可以让模型从多个尺度上考虑图像的信息，包括全局语义和局部细节，以提高模型对不同尺度信息的感知能力，进一步提升了模型的性能和鲁棒性。
-
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：CN118505768A
公开(公告)日：2024-08-16
申请号：CN202410736969.9
申请日：2024-06-07
Applicant: 重庆邮电大学
IPC: G06T7/33 , G06V10/26 , G06V20/70 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0985
Abstract: 本发明属于点云配准领域，涉及一种基于语义和结构协同引导的点云配准方法，获取点云语义信息，点云语义信息包括室外雷达点云的语义信息和室内重建的点云语义信息；对点云进行采样，得到超点；提取超点的几何结构特征；对点云语义进行超点语义特征表征处理，得到超点语义特征；采用多模态特征融合模块对超点语义特征和几何结构特征进行融合，得到增强的超点特征；根据增强后的超点特征进行超点匹配，根据超点匹配结果进行点匹配，完成点云配准；本发明既考虑语义信息又考虑结构信息，并且在二者的协同作用下辅助点云配准，配准的性能有明显提升。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN118134963A
公开(公告)日：2024-06-04
申请号：CN202410046446.1
申请日：2024-01-12
Applicant: 重庆邮电大学
IPC: G06T7/246 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/766
Abstract: 本发明请求保护一种层次特征融合的抗背景干扰孪生网络单目标跟踪方法(BASNet)，包括以下步骤：首先，针对现有特征提取网络未能充分利用图像特征的问题，提出了一个双特征融合模块，将骨干网提取的第二层低级特征和第五层高级特征充分融合，该模块能够增强模型利用有效特征信息处理相似背景干扰的能力；其次，设计了注意力焦点模块来计算特征之间的相似性，并生成适当的权重来调整特征的重要性；最后，针对现有损失函数在回归过程中无法获得准确的位置信息的问题，本发明在回归分支中使用了新的损失函数(SIOU)，在训练过程中优化了模型的收敛性，并且能够更好地预测边界框和实际边界框之间的空间相关性，进一步提升了跟踪的准确性。
-
公开(公告)号：CN118015337A
公开(公告)日：2024-05-10
申请号：CN202410046447.6
申请日：2024-01-12
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/40 , G06V10/75 , G06V10/774 , G06V10/766 , G06V10/24
Abstract: 本发明请求保护一种基于特征对齐和样本分配的旋转目标检测方法，属于计算机视觉技术领域。所述方法包括以下步骤：1.提出了一种联合分配方法AAM，该方法根据样本的定位潜能分配标签，帮助模型充分利用高质量的样本进行训练。2.设计了一个感知拓宽模块BPM，BPM通过拓宽感受野，引入丰富的上下文信息及临近目标信息，帮助缓解感受野和目标特征间的错位，提高分类和检测精度。3.本发明还提出了一个对齐区域卷积神经网络，包括两阶段的对齐：a.对齐旋转特征与感兴趣区域RoI；b.从旋转等变特征中提取旋转不变特征。通过两个阶段的对齐操作，得到有助于分类和回归的旋转不变特征，使模型的预测结果更加精确。
-
公开(公告)号：CN118015011A
公开(公告)日：2024-05-10
申请号：CN202410046449.5
申请日：2024-01-12
Applicant: 重庆邮电大学
IPC: G06T7/11 , G06V10/80 , G06V10/44 , G06N3/0464 , G06N3/0455
Abstract: 本发明请求保护一种基于自适应特征信息差异的可靠脑肿瘤分割方法，旨在通过利用特征信息的差异性以及捕获可靠的数据来得到更加准确的分割结果，属于计算机视觉技术领域。所述方法包括以下步骤：将UNet编码部分的卷积块与证据理论进行构建得到证据卷积块(C‑EConv)，即网络在编码阶段对特征数据进行评估，使网络实现可靠分割。设计了一个动态交叉模态融合模块(DCMF)，能够自动适应模态差异来充分学习模态特定特征以及模态互补特征。提出边缘特征提取模块EEM，通过增强编码特征的边缘感知能力，从而降低编码特征与解码特征之间的语义差异。
-
公开(公告)号：CN117912083A
公开(公告)日：2024-04-19
申请号：CN202410105719.5
申请日：2024-01-25
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明请求保护一种线性自注意力的轻量化人脸表情识别方法(LSViT)，旨在设计轻量化的人脸表情识别神经网络，属于模式识别领域。所述方法包括以下步骤：首先，针对视觉变换器(ViT)参数较多的问题，设计基于CNN和ViT的轻量级网络模型LSViT，通过采用多阶段局部‑全局特征并行处理操作，有效融合表情局部及全局特征，可以在大幅降低多头自注意力复杂度的同时提高表情识别准确性。其次，设计线性多头自注意模块充分捕捉表情各区域之间的关联性特征。此外，设计局部空间注意模块让网络在处理具有干扰因素的面部表情时能够更集中于关键信息。最后，设计鉴别损失以扩大类间距离和最小化类内距离，进一步提高表情识别准确性。
-
公开(公告)号：CN117809201A
公开(公告)日：2024-04-02
申请号：CN202410105721.2
申请日：2024-01-25
Applicant: 重庆邮电大学
IPC: G06V20/13 , G06V10/764 , G06V10/774 , G06V10/22 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明请求保护一种面向遥感图像的解耦双头小样本目标检测方法(DDNet)，旨在在遥感领域中，使用少量样本对图像中的目标进行分类和定位，属于计算机视觉技术领域。所述方法包括以下步骤：步骤1.本发明首先引入通道注意力机制提取特征之间的通道关系，旨在增强由基础网络提取的特征。步骤2.本发明提出了一种特征增强解耦模块，该模块通过设计两个不同的特征提取函数，解耦分类与回归任务，有效提高了由于分类和回归所需特征不同所造成的性能降低的问题。步骤3.本发明设计了一个新的双头检测模块，它可以降低灾难性遗忘对检测器的影响。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.027 seconds)
