公开(公告)号：CN115830036A

公开(公告)日：2023-03-21

申请号：CN202211621673.X

申请日：2022-12-16

Applicant: 重庆邮电大学

Inventor： 刘庭杰 ,  乔丽红 ,  石宇航

IPC: G06T7/10 ,  G06V10/40 ,  G06V10/774

Abstract: 本发明公开了一种基于强弱扰动的分级Siamese对比增强的涂鸦标注医学图像分割方法，步骤（1）使用图像级别扰动进行图像预处理：主要扰动方式包括弱图像级别扰动与强图像级别扰动；（2）使用适用于涂鸦标注等弱监督应用场景的训练方式‑Siamese network；（3）利用通信式弱图像级别扰动实现对图像级别高置信度像素的特征提取；（4）利用强图像级别扰动得到图像本质特征信息的特征空间扩张模块。本发明在使用轻量级分割网络基础上引入特征投影层和特征预测层，优化了模型训练的结构和参数，保证了分割准确率和性能指标。实验测试：该模型在dice系数上表现出精确度达到90.76的性能且将时间成本缩小为现阶段其他常用方法的1/2。

公开(公告)号：CN119941684A

公开(公告)日：2025-05-06

申请号：CN202510034584.2

申请日：2025-01-09

Applicant: 重庆邮电大学

Inventor： 李建飞 ,  郑申海 ,  冯禹杰 ,  乔丽红

IPC: G06T7/00 ,  G06T7/10 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/048

Abstract: 本发明属于图像处理技术领域，具体涉及一种超声图像多任务学习方法；包括：获取乳腺肿瘤图像并对其进行预处理，将预处理后的图像输入到训练好的模型中进行处理，得到乳腺肿瘤图像分割和分类结果；乳腺肿瘤图像分割和分类模型为U型编码器‑解码器结构，包括下采样路径、多任务瓶颈块、分类块、特征聚合块和上采样路径；下采样路径由第一、第二、第三和第四编码器组成，上采样路径由第一、第二、第三和第四解码器组成；多任务瓶颈块连接下采样路径、分类块和上采样路径，下采样路径与上采样路径间通过特征聚合块实现跳跃连接；本发明弥合编码器和解码器之间的语义差距，增强了分割和分类之间的协同作用，提高分割和分类结果的准确性。

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

Inventor： 舒禹程 ,  贺朝刚 ,  乔丽红 ,  肖斌 ,  李伟生

IPC: G05B13/04 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06N3/092 ,  G06N3/006

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。

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

Inventor： 乔丽红 ,  程龙 ,  舒禹程 ,  栾晓 ,  肖斌

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：CN116721250A

公开(公告)日：2023-09-08

申请号：CN202310408642.4

申请日：2023-04-17

Applicant: 重庆邮电大学

Inventor： 乔丽红 ,  龙星海

IPC: G06V10/26 ,  G06N3/0895 ,  G06N3/084 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种基于低质量伪标签细化的医学图像涂鸦分割算法，包括以下步骤：（1）使用典型的self‑training框架，该框架具有相同架构的两个模型，分别命名为教师和学生，教师学生模型仅在更新权重时有所不同；（2）带标签的学生模型分支中的伪标签来自于同一图像的两个不同教师学生模型，这有助于提高伪标签的质量和一致性；（3）使用每像素熵来分离高置信度像素和低置信度像素，所有高置信度像素的预测结果被用作正样本推导伪标签，而低置信度像素被推入由负样本组成的分类队列中，以便利用所有候选像素来训练模型（4）为了避免负样本过度偏向某个类别，为每个类别都分配了一个分类队列，以确保每个类别的负样本数量均衡，同时，由于数据集的长尾现象，特定的类别在一次迭代中是非常有限的，因此我们使用Memory‑Bank来存储负样本。

公开(公告)号：CN113729655A

公开(公告)日：2021-12-03

申请号：CN202111128252.9

申请日：2021-09-26

Applicant: 重庆邮电大学

Inventor： 乔丽红 ,  李欣 ,  高永浩 ,  范鹏飞 ,  龙兴海 ,  肖斌 ,  李伟生

IPC: A61B5/0205 ,  A61B5/0507 ,  A61B5/00

Abstract: 本发明公开了一种分离UWB雷达传感器接收信号的方法，即基于递归积分算子的零空间追踪提取单分量信号算法和置信度对UWB雷达传感器接收信号进行信号分解，提取人体的呼吸信号和心跳信号频率的方法，可应用于对传染病患者的心率等生命体征进行监测也可用于地震时探测人体体征。该方法运时间短，能够精确的提取UWB探地雷达信号中的呼吸信号和心跳信号频率，为非接触人体特征提取提供重要依据。

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

Inventor： 乔丽红 ,  易平 ,  舒禹程 ,  肖斌 ,  李伟生

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

Inventor： 石宇航 ,  乔丽红 ,  舒禹程 ,  肖斌

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。

公开(公告)号：CN118411504A

公开(公告)日：2024-07-30

申请号：CN202410505959.4

申请日：2024-04-25

Applicant: 重庆邮电大学

Inventor： 杨浦 ,  乔丽红 ,  石宇航 ,  舒禹程 ,  肖斌 ,  李伟生

IPC: G06V10/24 ,  G06V10/774 ,  G16H50/20 ,  G16H30/00

Abstract: 本发明属于医学数据处理领域，具体涉及一种医学图像文本对齐模型的训练方法、装置及设备；所述方法包括获取医学图像、增强视图、医学文本和增强文本；采用图像编码器提取图像特征，采用文本编码器提取文本特征；利用多视图监督图像文本对齐获得更为详尽的医学图像和医学文本表征；利用多尺度自注意力与交叉注意力集成对齐策略能在无需外部信息的情况下，通过内部特征的关联性来理解每个模态的上下文信息，还能够学习到跨模态的信息。利用高置信度聚类信息引导正负样本构建算法能够深入挖掘高阶语义信息，使得预训练完成后的模型能够用于医学图像和其成对的医学报告之间精准的配对能力，以及对图像中病灶区域的精准定位能力，辅助医疗病情诊断。

公开(公告)号：CN117496215A

公开(公告)日：2024-02-02

申请号：CN202311229276.2

申请日：2023-09-21

Applicant: 重庆邮电大学

Inventor： 乔丽红 ,  王瑞 ,  肖斌 ,  舒禹程

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/096

Abstract: 本发明公开一种运用基于三重重参数化的Re3Adapter模块进行参数高效迁移学习的方法，在预处理阶段，通过预训练的ViT‑B/16，ConvNeXt等公开模型作为基础模型；采用重参数化来代替Adapter中的激活函数来引入非线性，整个过程中的非线性通过采样实现，让改进后的Adapter成为完全可重参数化的结构；利用训练时重参数化来改进Adapter中的单层线性层，提升Adapter的表征能力。本发明通过重参数化转移Adapter中非线性的方法，并结合训练时重参数化来加强MLP的表征能力，随后使用结构重参数化将训练好的Adapter任何到骨架网络中从而产生零推理延迟的参数高效的迁移学习的方法。