-
公开(公告)号：CN114201592A
公开(公告)日：2022-03-18
申请号：CN202111461563.7
申请日：2021-12-02
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06K9/62 , G06N3/04 , G16H50/20 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明请求保护一种面向医学图像诊断的视觉问答方法，属于及医学图像处理、自然语言处理、多模态融合领域，其包括以下步骤：获取医学影像和对应相关医学问题；对图像病灶目标和医学问题文本分别进行特征提取，捕捉问题词之间的依赖关系进行文本表示学习，得到每个图像区域和问题的相关性；通过与影像特征和位置特征交互，对同一病灶目标进行处理，实现关系关联建模，获得不同目标的相对位置关系，用于多模态特征的匹配；引入交叉引导的多模态特征融合堆叠方式，捕捉多模态之间的复杂交互关系；设计选取融合方式和分类器，运用到医学问答中，实现面向医学图像诊断的视觉问答研究。
-
公开(公告)号：CN112786189A
公开(公告)日：2021-05-11
申请号：CN202110008504.8
申请日：2021-01-05
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度学习的新冠肺炎智能诊断系统，属于医学图像处理领域，包括控制单元、智能检测与诊断单元、存储单元和三维显示单元，控制单元用于输入和修改系统数据；智能检测与诊断单元用于对新冠肺炎病例进行预测；智能检测与诊断单元包括数据预处理模块、病灶区检测模块、去假阳性模块、病例预测模块。本发明采用结合了检测+去假阳性+预测三部分相结合的深度学习网络诊断系统输出诊断结果，解决了病灶过小不易检测、单个局部病灶信息过少以及误诊率过高等问题，解决了医学样本数量过小的问题，大大提升了诊断效率，有助于提高患者的治疗效率以及积累临床资料。
-
公开(公告)号：CN110276988A
公开(公告)日：2019-09-24
申请号：CN201910561949.1
申请日：2019-06-26
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于碰撞预警算法的辅助驾驶系统，属于计算机视觉和智能辅助驾驶技术领域。该系统包括：检测与测距模块，通过摄像头采集汽车行驶过程中的路况信息，使用YOLOv3模型对障碍物进行检测、识别和距离测量；碰撞预警模块，进行碰撞预测分类，并计算出发生碰撞需要的时间及时给出预警判断并对驾驶员进行预警播报；定位模块：利用GPS/IMU组合导航对车辆的行驶位置信息进行采集，当GPS信号缺失时系统自动转换为IMU进行定位，当GPS信号正常时重新转为GPS定位；GUI显示与云端视频备份模块，对识别视频流、行驶状态及地图软件标注信息进行实时显示并进行云端备份。本发明能够提高辅助驾驶系统的预测精度及实时性。
-
公开(公告)号：CN109766427A
公开(公告)日：2019-05-17
申请号：CN201910036927.3
申请日：2019-01-15
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06N3/04
Abstract: 本发明涉及一种基于堆叠Bi-LSTM网络和协同注意力的虚拟学习环境智能问答方法，属于自然语言处理和虚拟现实技术领域。该方法包括：S1：构建知识库及数据预处理；S2：特征提取及向量表示：在构建堆叠Bi-LSTM网络的模型中配置co-attention机制与attention机制；S3：同时考虑问答对空间向量的位置与方向，调和余弦相似度与欧几里德距离来计算问答对向量间的匹配度；S4：基于Unity3D平台搭建虚拟学习环境并引入网络模型，实现特定域虚拟课堂的智能问答。本发明将深度网络模型与多类注意力机制结合，实现了问答对更深层次的交互理解与表示，同时特定域虚拟课堂的引入拓宽了智能问答的应用范围。
-
公开(公告)号：CN109146066A
公开(公告)日：2019-01-04
申请号：CN201811296271.0
申请日：2018-11-01
Applicant: 重庆邮电大学
CPC classification number: G06N3/0445 , G06N3/0454 , G06N3/0481 , G06N3/08 , G10L25/30 , G10L25/63
Abstract: 本发明涉及一种基于语音情感识别的虚拟学习环境自然交互方法，属于深度学习领域，包括步骤S1：通过kinect采集学生用户的语音信号，进行重采样，分帧加窗，静音处理，得到短时单帧信号；S2：对信号进行快速傅里叶变换得到频域数据，求其功率谱，采用梅尔滤波器组得到梅尔频谱图；S3：将梅尔频谱图特征输入卷积神经网络，进行卷积操作与池化操作，并将最后一层降采样后的各矩阵向量，输入到全连接层，构成一个向量输出特征；S4：将输出特征压缩输入到双向长短时记忆神经网络中；S5：将输出特征输入到支持向量机中分类输出分类结果；S6：将分类结果反馈到虚拟学习系统中进行虚拟学习环境交互。本发明驱动学习者调整学习状态，增强虚拟学习环境的实用性。
-
Patent Agency Ranking
公开(公告)号：CN103546593B
公开(公告)日：2017-09-26
申请号：CN201310520353.X
申请日：2013-10-29
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于IP与非IP的无线传感器网络节点标识符解析方法，用于获得传感节点生产应用属性信息、具体环境下的应用属性信息和实时数据信息，包括基于互联网的传感节点标识符解析与传感网内传感节点标识符解析两个过程；传感节点生产应用属性信息是通过基于互联网的传感节点标识符解析，获得传感节点生产厂商的地址进而查询得到；传感节点具体环境下的应用属性信息和实时数据信息是通过传感网内传感节点标识符解析获得。本方法不用改变现有无线传感器网络的拓扑结构和遵循的协议规则，能很好地与现有的无线传感器网络进行融合，实现了对传感节点进行定位，填补了无线传感器网络无法对传感节点进行定位的缺陷。
-
公开(公告)号：CN107066979A
公开(公告)日：2017-08-18
申请号：CN201710254552.9
申请日：2017-04-18
Applicant: 重庆邮电大学
CPC classification number: G06K9/00335 , G06N3/08
Abstract: 本发明请求保护一种基于深度信息和多维度卷积神经网络的人体动作识别方法，主要包括以下三个部分：在获取运动数据方面，通过体感设备Kinect获取人体运动的深度序列，得到人体运动的深度信息；在提取运动特征方面，利用深度运动图提取特征，获得深度序列的正面投影图、侧面投影图和俯视投影图；在人体动作识别方面，结合二维卷积神经网络和三维卷积神经网络的缺陷，提出了多维度卷积神经网络，实现人体动作识别。本发明不仅具有自学习特征，还可以从一个深度视频序列的数据集转移到不同的数据集，有较强的适应性，适用于人体动作的识别领域。
-
公开(公告)号：CN103546593A
公开(公告)日：2014-01-29
申请号：CN201310520353.X
申请日：2013-10-29
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于IP与非IP的无线传感器网络节点标识符解析方法，用于获得传感节点生产应用属性信息、具体环境下的应用属性信息和实时数据信息，包括基于互联网的传感节点标识符解析与传感网内传感节点标识符解析两个过程；传感节点生产应用属性信息是通过基于互联网的传感节点标识符解析，获得传感节点生产厂商的地址进而查询得到；传感节点具体环境下的应用属性信息和实时数据信息是通过传感网内传感节点标识符解析获得。本方法不用改变现有无线传感器网络的拓扑结构和遵循的协议规则，能很好地与现有的无线传感器网络进行融合，实现了对传感节点进行定位，填补了无线传感器网络无法对传感节点进行定位的缺陷。
-
公开(公告)号：CN119691263A
公开(公告)日：2025-03-25
申请号：CN202411692200.8
申请日：2024-11-25
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06N5/022 , G06N3/042 , G06N3/045 , G06F16/28 , G06F16/901 , G06F40/30 , G06Q50/20
Abstract: 本发明涉及一种基于学科知识图谱和图神经网络的个性化学习资源推荐方法，属于教育内容推荐领域。该方法包括：提取教材中的关键实体以及关键实体之间的关系，构建学科知识图谱；根据学生在学习过程中的行为数据，建立初步的学习记录表；通过知识追踪模型整合、预测学生对于学习记录表中的每个知识点的掌握程度分布，构建学生画像；将学科知识图谱中的知识点及其关联关系嵌入学生画像中，并通过图神经网络更新学生画像中的知识嵌入表示；构建个性化推荐模型，采用协同过滤和内容推荐的混合推荐方法推送符合学生当前学习状态的学习资源。本发明能够在多维度上准确捕捉学生的个性化需求，有效提高推荐内容的准确性、泛化性和可解释性。
-
公开(公告)号：CN119625225A
公开(公告)日：2025-03-14
申请号：CN202411662513.9
申请日：2024-11-20
Applicant: 重庆邮电大学
IPC: G06T19/00 , G06T15/00 , G06V20/20 , G06V10/62 , G06V10/46 , G06V10/74 , G06V10/75 , G06V10/771 , G06F3/01 , G06Q50/20
Abstract: 本发明涉及一种基于增强现实技术的新型课程资源建设方法与系统，属于数字教育资源领域。该方法和系统采用移动AR自适应特征增强与高效匹配算法获取标识图像，并进行图像特征检测与识别；进行相机位姿估计，确定虚拟元素在实际空间中的位置和姿态；预先对课程资源中的展示内容进行建模，根据特征匹配结果调取对应模型，并根据相机位姿估计结果进行虚拟融合；建立移动增强现实交互方式。本发明通过改进的AE‑ORB算法进行自适应特征增强与特征点高效匹配，在特征点的匹配有效性、匹配效率方面均相较于其他方法所提升，进而保证学生能够通过本发明加强对学习内容的理解，提升学习效果。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.029 seconds)
