-
公开(公告)号：CN107194364B
公开(公告)日：2020-08-04
申请号：CN201710407910.5
申请日：2017-06-02
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于分治策略的Huffman‑LBP多姿态人脸识别方法，属于模式识别技术领域。所述方法主要包括以下步骤：对输入图像进行预处理（人脸检测，特征点标定）；再通过区域选择因子筛选出不同姿态的人脸图像中有益于识别的人脸区域；构建Huffman‑LBP算子对所选择的人脸区域进行特征提取；最终通过基于图像块的SRC融合分类策略进行分类。本发明利用哈夫曼编码评估出了图像邻域中对比度的权重关系，增强了特征的表达能力。此外，人脸表达与分类步骤中均借助了分治策略，提升了本方法在人脸姿态变化时识别的鲁棒性。
-
公开(公告)号：CN110458005A
公开(公告)日：2019-11-15
申请号：CN201910590187.8
申请日：2019-07-02
Applicant: 重庆邮电大学
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：CN109584267A
公开(公告)日：2019-04-05
申请号：CN201811307642.0
申请日：2018-11-05
Applicant: 重庆邮电大学
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：CN104794441B
公开(公告)日：2018-04-27
申请号：CN201510178003.9
申请日：2015-04-15
Applicant: 重庆邮电大学
IPC: G06K9/00
Abstract: 本发明涉及一种复杂背景下基于主动形状模型和POEM纹理模型的人脸特征定位方法，属于模式识别技术领域。本方法包括：对训练集进行特征点标定；对训练样本建立全局形状模型；对每个标定特征点建立POEM纹理直方图；根据形状模型选择因子选择模型的初始人脸形状；计算测试图像中每个特征点候选点的POEM直方图；对直方图采用马氏距离函数来计算候选点与目标点的相似度；将初始人脸加载到模型中进行迭代搜索匹配；对定位效果略差的局部器官或人脸轮廓进行二次定位。本发明提供的人脸特征定位方法提高了对复杂环境(例如：姿态、光照、表情)变化的鲁棒性，获得了较高的定位精度，具有较好的应用前景。
-
公开(公告)号：CN107194364A
公开(公告)日：2017-09-22
申请号：CN201710407910.5
申请日：2017-06-02
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于分治策略的Huffman‑LBP多姿态人脸识别方法，属于模式识别技术领域。所述方法主要包括以下步骤：对输入图像进行预处理（人脸检测，特征点标定）；再通过区域选择因子筛选出不同姿态的人脸图像中有益于识别的人脸区域；构建Huffman‑LBP算子对所选择的人脸区域进行特征提取；最终通过基于图像块的SRC融合分类策略进行分类。本发明利用哈夫曼编码评估出了图像邻域中对比度的权重关系，增强了特征的表达能力。此外，人脸表达与分类步骤中均借助了分治策略，提升了本方法在人脸姿态变化时识别的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN105469432A
公开(公告)日：2016-04-06
申请号：CN201510811247.6
申请日：2015-11-20
Applicant: 重庆邮电大学
IPC: G06T7/40
CPC classification number: G06T2207/10024 , G06T2207/30004
Abstract: 本发明请求保护一种基于改进树状部分模型的医学图像分割方法，涉及医学图像分割领域，所述方法主要包括以下步骤：对输入图像进行预处理；对预处理之后的图像获得特征点；然后利用凹凸点(Convex Concave Point)算法获得最能表现器官特征的关键点；最后利用树状部分模型训练出器官的模型，利用此模型进行分割。本发明通过CCP算法对医学图像进行分割，能够准确、自动的提取肝脏轮廓，将分割结果显示出来为医学辅助诊断提供参考。
-
公开(公告)号：CN119206283A
公开(公告)日：2024-12-27
申请号：CN202410884747.1
申请日：2024-07-03
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0985 , G06N3/0464
Abstract: 本发明请求保护一种基于信息增强重加权多专家网络的长尾识别方法，属于计算机视觉技术领域。所述方法包括以下步骤：步骤1.本发明提出了一种全局和显著性局部混合一致性损失模块，该模块通过全局MixUp和局部SaliencyMix增强模型的鲁棒性，进而提高模型对长尾类别的识别能力。步骤2.本发明设计了一个累积标签重加权损失模块，该模块通过使用经验类别频率重新加权长尾数据的混合标签，并使用按时间累积的系数平衡常规和重新平衡的损失，旨在缓解类别偏差问题。步骤3.本发明设计了一个多专家网络模块结合标签重加权损失模块，该模块通过加权专家评估和经验合成来评估整体预测，从而进一步提高对长尾类别的识别性能。
-
公开(公告)号：CN114399530B
公开(公告)日：2024-09-27
申请号：CN202111514363.3
申请日：2021-12-13
Applicant: 重庆邮电大学
IPC: G06T7/246 , G06T5/20 , G06T5/40 , G06V10/774
Abstract: 本发明请求保护一种基于样本差异化学习的相关滤波目标跟踪方法及系统及系统，属于计算机视觉技术领域。所述方法主要包括以下步骤：在视频初始帧获取目标的位置和大小，并训练一个尺度滤波器和定位滤波器；获得每一帧输入图像的候选区域与滤波器模型的响应图；根据响应图计算多个样本可靠度指标的值；标签标注器以指标值作依据为训练样本标注可靠度标签；最后选择与可靠度标签匹配的样本学习率来更新滤波器模型。本发明针对复杂跟踪场景中存在不可靠的训练样本问题，提出通过感知样本的可靠度来引导跟踪器差异化地学习不同样本。该方法能减轻不可靠样本对模型的污染，并缓解模型漂移，提升基于相关滤波跟踪器在复杂场景下的跟踪性能。
-
公开(公告)号：CN114897768B
公开(公告)日：2024-09-24
申请号：CN202210303312.4
申请日：2022-03-24
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06T7/11 , G06V10/774 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明请求保护一种基于语义细化的空间金字塔人群计数方法，属于计算机视觉技术领域。所述方法提出了一种新的编解码器模型，称为语义细化空间金字塔网络。所述方法主要包括以下步骤：首先，利用一系列的卷积神经层作为网络前端，在不增加额外计算成本的情况下获得更深层次的特征。此外，空间金字塔多尺度模块是拥有多个感受野的空间金字塔结构，用于捕捉多尺度特征。接着，语义增强模块用来细化网络捕获的多尺度特征，其利用深层语义信息来优化并且融合多尺度特征。最后，利用浅层纹理信息对特征图的细节进行补偿，以提高密度图的质量。本发明旨在建立一个尺度感知的计数网络来准确地估计人群中个体的数量。
-
公开(公告)号：CN117037290A
公开(公告)日：2023-11-10
申请号：CN202310996708.6
申请日：2023-08-09
Applicant: 重庆邮电大学
IPC: G06V40/40 , G06V40/16 , G06T5/10 , G06T5/50 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 本发明请求保护一种基于全局上下文结构差异的人脸伪造检测方法，属于计算机视觉技术领域。所述方法包括以下步骤：步骤1.提出了一种频域增强模块，该模块有助于提取到高压缩率下伪造伪影的频域特征。步骤2.设计了一个新的人脸重构‑分类无监督学习的网络结构，它可以通过人脸重构学习得到伪造人脸的伪造区域来指导分类学习分支，从而提高模型的泛化性。步骤3.提出了一种自预测卷积模块，旨在学习真实人脸的全局上下文结构，随后在验证阶段使用经过学习后的卷积块来预测输入人脸的全局上下文结构信息。步骤4.本发明在编码器阶段引入了对比学习损失函数促使真实人脸的特征在潜在空间相互拉近，伪造人脸的特征相互推远。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.021 seconds)
