-
公开(公告)号：CN115761860A
公开(公告)日：2023-03-07
申请号：CN202211524462.4
申请日：2022-12-01
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V10/764 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明属于图像处理技术领域，特别涉及一种基于草图和风格迁移的人脸美颜方法及系统，所述方法包括：获取包含原始人脸图像和美颜人脸图像的数据集；通过图像处理技术，获取人脸图像对应的期待人脸样貌草图；对图像进行预处理与数据增强，得到标准输入图像；根据图像获取形变特征与风格特征；利用形变特征进行形变处理，同时加入风格特征，生成美化人脸图像；对生成的美化人脸图像进行损失计算，指导训练神经网络，迭代训练人脸美化编辑模型，本发明引入了人脸草图，结合风格变换，实现了一种新的人脸美颜方式，并且模型简单，可广泛运用于人脸图像处理相关领域。
-
公开(公告)号：CN110458005B
公开(公告)日：2022-12-27
申请号：CN201910590187.8
申请日：2019-07-02
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多任务渐进配准网络的旋转不变人脸检测方法，属于计算机视觉领域。所述方法主要包括以下步骤：图像预处理，构建并训练级联的多层卷积神经网络；输入测试图像，使用图像金字塔的方式产生不同分辨率的图像集合，然后送入所述的级联的多层卷积神经网络开始检测；每一级网络过滤掉部分非人脸窗口，根据边框回归结果调整候选框位置，同时预测出人脸的旋转角度；然后根据预测出的旋转角度通过翻转图像操作进行配准。在本发明中，通过多任务渐进配准网络方法，实现实时、旋转自适应的人脸检测，在精度和速度取得了良好的效果。
-
公开(公告)号：CN113129244B
公开(公告)日：2022-10-18
申请号：CN202110412320.8
申请日：2021-04-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于局部拉普拉斯分解的多尺度医学图像融合方法，包括步骤：S1将配准后的解剖型医学图像和功能型医学图像进行局部拉普拉斯滤波处理，分解为细节增强的多尺度近似图像和残差图像；S2使用基于感兴趣的规则融合残差图像；S3使用rgb2ycbcr算法和迭代联合滤波器融合近似图像；S4采用局部拉普拉斯的逆运算对多尺度融合图像进行重构。本发明有效解决了医学图像融合方法在解剖医学图像和功能医学图像融合时产生的颜色失真以及细节信息丢失等问题。
-
公开(公告)号：CN109584267B
公开(公告)日：2022-10-18
申请号：CN201811307642.0
申请日：2018-11-05
Applicant: 重庆邮电大学
IPC: G06T7/223 , G06T7/246 , G06V10/764
Abstract: 本发明请求保护一种结合背景信息的尺度自适应相关滤波跟踪方法，属于计算机视觉领域。所述方法主要包括以下步骤：基于第t帧的目标信息训练出一个判别的相关滤波分类器；利用前一帧的分类器作用于当前的跟踪目标以获取当前的候选目标；再通过构建的尺度池对候选的目标做尺度比较，得到相对应的尺度判别因子SSF；基于SSF对候选的目标区域采用不同的应对措施，得到最终的目标尺度。本发明通过结合目标的背景信息增加了分类器的判别性能，提高了跟踪器的鲁棒性。
-
公开(公告)号：CN113128586B
公开(公告)日：2022-08-23
申请号：CN202110412317.6
申请日：2021-04-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于多尺度机制和串联膨胀卷积遥感图像时空融合方法，包括步骤：S1将三张高时间、低空间分辨率的图像输入映射网络中，通过映射卷积网络中的多尺度感知和串联膨胀卷积提取特征，获得与高空间、低时间分辨率的图像具有相似分辨率的三张过渡图像；S2将过渡图像与高空间、低时间分辨率的图像一起输入到重建差分图像中，通过多网络的协同训练，获得两张高空间、低时间分辨率的差分图像；S3将两张差分图像与两张高空间、低时间分辨率的图像进行加权融合，重建得到一张高空间、高时间分辨率的图像。本发明在提高遥感图像时空算法的准确率的同时，解决了传统遥感时空算法存在的重建融合结果高频空间细节与光谱信息融合不准确的问题。
-
Patent Agency Ranking
公开(公告)号：CN112163994B
公开(公告)日：2022-07-01
申请号：CN202010904222.1
申请日：2020-09-01
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于卷积神经网络的多尺度医学图像融合方法，包括步骤：S1将配准后的解剖行图像和功能型图像进行局部拉普拉斯滤波处理，分解为细节增强的多尺度近似图像和残差图像；S2将配准后的解剖型图像输入深度卷积神经网络中提取超分辨率解剖型图像；S3将超分辨率解剖型图像和功能型图像输入双分支卷积神经网络中进行卷积，得到一个权重图，结合多尺度近似图像和残差图像融合为多尺度融合图像；S4采用局部拉普拉斯的逆运算对多尺度融合图像进行重构。本发明有效解决了医学图像融合方法在伪彩图像和灰度图像融合时的颜色失真以及信息丢失等问题。
-
公开(公告)号：CN114549366A
公开(公告)日：2022-05-27
申请号：CN202210211161.X
申请日：2022-03-03
Applicant: 重庆邮电大学
Abstract: 本发明涉及计算机视觉技术领域，具体涉及一种基于多尺度延迟通道注意网络的全色锐化方法及系统，系统包括卫星遥感影像数据集获取模块、预处理模块、浅层特征提取模块、深层特征提取模块、正反馈模块、网络模型训练模块、融合图像评价模块和全色锐化模块，通过各模块间的相互作用对卫星遥感影像数据进行全色锐化处理，本发明构建的深层特征提取模块提取不同视野下的特征信息并将其融合，提高了网络的特征提取能力，采用通道延迟注意机制获得低频信息与高频信息的关联关系，并给予高频信息不同权重，使得在处理不同类型信息时更具灵活性，同时正反馈模块通过误差反馈机制来映射阶段的误差，减少了光谱失真，图像融合质量更好。
-
公开(公告)号：CN111191555B
公开(公告)日：2022-05-03
申请号：CN201911349832.3
申请日：2019-12-24
Applicant: 重庆邮电大学
IPC: G06V10/25 , G06V10/774 , G06V20/40 , G06K9/62 , G06N3/04
Abstract: 本发明请求保护一种结合高低空间频率特征的目标跟踪方法、介质及系统，包括步骤：S1输入原始视频图像序列，提取真值图和搜索区域图像的高空间频率特征和低空间频率特征；S2将提取的高低频特征进行信息交换；S3利用相关性计算获取目标真值特征和搜索区域特征的相关性图；S4通过区域建议网络得到一组分类特征和一组回归特征，结合分类特征和回归特征进行目标的定位。本发明结合了高低频特征提取和基于区域建议网络的孪生目标跟踪方法，利用低空间频率特征减少图像中的冗余信息，降低了目标移动过程中产生的冗余信息造成跟踪失败的几率和跟踪框的偏移程度，并且降低了跟踪方法的计算量；将有利于跟踪的精细特征和全局特征进行交换。
-
公开(公告)号：CN113129345A
公开(公告)日：2021-07-16
申请号：CN202110417474.6
申请日：2021-04-19
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于多特征图融合和多尺度膨胀卷积的目标跟踪方法，包括步骤：S1将初始帧中已经标注好位置的待跟踪目标区域图像和当前帧搜索区域图像送入同一个特征提取网络，分别得到三个输出特征图；S2分别对两张图像的三个输出特征图进行融合；S3将融合后的两张图像进行互相关操作得两张特征响应图；S4分别对两张特征响应图通过三个不同尺度的膨胀卷积层得到不同感受野的特征响应图；S5将相关特征进行逐点求融合；S6将融合后特征图分别送入分类分支和回归分支；S7结合分类分支的最大响应区域与回归分支的目标移动量，预测表示出待跟踪目标在当前帧的位置。本发明提高了跟踪方法在目标尺度变化较大等复杂情况下的鲁棒性与准确率。
-
公开(公告)号：CN112396002A
公开(公告)日：2021-02-23
申请号：CN202011310176.9
申请日：2020-11-20
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种于SE‑YOLOv3的轻量级遥感目标检测方法，属于目标检测技术领域，包括以下步骤：步骤1.YOLOv3算法为基础模型框架，为了减少网络参数提升网络推理速度，本发明设计了轻量级主干特征提取网络。步骤2.为了提高特征的尺度不变性，降低过拟合风险，本发明提出使用空间金字塔池化(SPP)算法，进行三个尺度的池化得到固定长度的输出特征向量。引入了空间注意力模型SE模块，进一步的压缩无用信息增强有用信息。步骤3.通过迭代训练、更新参数得到最终的网络模型，利用该模型采取多尺度预测，通过三个尺度的检测头预测最终结果。本发明在有效提升网络的推理速度的同时，保证了精度，增强了网络的特征表达能力，并提高了尺度不变性。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.028 seconds)
