-
公开(公告)号：CN116188996A
公开(公告)日：2023-05-30
申请号：CN202310413471.4
申请日：2023-04-18
Applicant: 重庆邮电大学
IPC: G06V20/10 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/08 , G06N3/048 , G06N3/0464
Abstract: 本发明涉及一种多尺度语义信息和边界信息的遥感图像语义分割方法，属于图像处理领域。将多尺度的语义信息加入到U‑Net3+模型中，得到更多的多尺度信息，加入边界提取模块，对边界信息进行提取，获得相应的边界信息模块，然后将边界信息和多尺度信息进行融合，获得带有边界信息的多尺度语义分割结果，得到遥感图像语义分割模型，搭建基于多尺度语义信息和边界信息的遥感图像语义分割网络模型，包括含有多尺度特征提取模块，边界信息提取模块，多尺度特征提取与边界信息融合模块；进行语义分割，以提高针对遥感图像进行语义分割的效果。本发明有效的改善了语义分割边界模糊，类内差异大，类间差异小等问题，显著得提高了语义分割性能。
-
公开(公告)号：CN114067160A
公开(公告)日：2022-02-18
申请号：CN202111387970.8
申请日：2021-11-22
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/13 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于嵌入平滑图神经网络的小样本遥感图像场景分类方法，属于遥感图像识别领域。该方法首先将场景图片输入到嵌入学习模块中，通过一个卷积神经网络提取场景嵌入特征；再将嵌入平滑引入到场景分类中，在无监督的情况下捕获嵌入特征之间的相似性与差异性，提高嵌入特征的可区分性，扩展决策边界，降低无关特征的影响；同时通过注意力机制采用任务级关系来构建图矩阵，将目标样本与任务中的所有样本关联起来，并在不同场景类别之间产生更具有分辨力的关系表示；然后根据样本间的内在联系构造图；标签匹配模块可以根据构造的图，通过直推式学习迭代生成测试集中样本的预测标签，直到得到最优解。本发明能够实现图像的精确分类。
-
公开(公告)号：CN113076476A
公开(公告)日：2021-07-06
申请号：CN202110356902.9
申请日：2021-04-01
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/35 , G06F16/36 , G06F16/55 , G06F40/247 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种微博异构信息的用户画像构建方法，属于机器学习和深度学习领域。该方法包括：1)收集合适的文本及图像数据，分别训练好图像及文本分类网络；2)使用爬虫技术爬取微博的文本及图像信息，使用构建好的分类网络得到标签，即user‑topic矩阵，将其作为用户画像；3)对user‑topic使用模糊聚类，发现用户社区；4)使用TF‑IDF对用户分类好的微博进行关键词发现，得到topic‑item矩阵，使用知识图谱思想计算关联词；5)对用户所属社区进行相似度用户计算，选取相似度较高的用户重复步骤4)的方法，并根据词频阈值选取关键词作为内容补充推荐。本发明能为用户推荐相似度较高的用户。
-
公开(公告)号：CN112418397A
公开(公告)日：2021-02-26
申请号：CN202011306236.X
申请日：2020-11-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种轻量级卷积神经网络的设计方法，属于计算机深度学习领域。该方法设计一种轻量级卷积单元，具体包括：S1：采用逐点卷积对输入特征图进行通道扩张；S2：采用深度卷积对输入特征图的通道进行分组；S3：批量标准化：对输入层和每一中间层的输入做标准化处理；S4：将输入特征图与批量标准化后的特征图进行concat拼接；S5：采用逐点卷积对输出通道进行收缩；S6：将经过步骤S5得到的特征图通过激活函数R_Hard_Swish。本发明相较于大型卷积神经网络，参数量和计算量大幅减少，在准确度性能的表现上相较于其他轻量级卷积神经网络而言效果更好。
-
公开(公告)号：CN112311584A
公开(公告)日：2021-02-02
申请号：CN201911224327.6
申请日：2019-12-04
Applicant: 重庆邮电大学
IPC: H04L12/24 , H04L12/803 , H04L12/935 , H04L12/947
Abstract: 本发明涉及一种软件定义网络控制器部署方法，属于通信网络技术领域。该方法包括以下步骤：步骤1、建模交换机总开销；步骤2、建模控制器总开销；步骤3、建模控制器与交换机连接关系限制条件；步骤4、建模交换机匹配列表；步骤5、建模控制器匹配列表；步骤6、建模交换机与控制器匹配列表双向匹配限制条件；步骤7、在满足交换机和控制器限制条件下，基于网络开销最小化确定控制器部署策略。该方法可以在综合考虑交换机间的开销，控制器间的开销，控制器与交换机间的开销以及交换机和控制器的自身性能等限制条件下，优化确定SDN控制器部署策略，从而实现控制器间的负载均衡。
-
Patent Agency Ranking
公开(公告)号：CN112257791A
公开(公告)日：2021-01-22
申请号：CN202011156549.1
申请日：2020-10-26
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于CNN和PCA的多属性分类任务的分类方法，属于机器学习和深度学习领域。该方法包括：S1：模型训练：获取多个属性的分类数据集并预处理；对预处理后的数据集采用PCA进行特征提取，得到独立特征；对卷积神经网络CNN进行预训练，再将预处理后的数据集输入预训练后的卷积神经网络CNN，得到组合特征；将独立特征和组合特征进行拼接得到混合特征；将混合特征输入深度神经网络DNN，进行训练；S2：采集实时样本数据；S3：将采集到的实时样本数据依照步骤S1的方式进行处理后，输入到训练好的深度神经网络DNN模型，得到分类结果。本发明能有效提高的多属性分类任务的精度，并大大降低了人工提取特征的成本。
-
公开(公告)号：CN111104852B
公开(公告)日：2020-10-16
申请号：CN201911075387.6
申请日：2019-11-06
Applicant: 重庆邮电大学
Abstract: 本发明属于图像识别技术领域，尤其涉及一种基于启发式高斯云变换的人脸识别方法。该方法包括以下内容：利用摄像头获取目标人脸图像；将目标人脸图像输入到MTCNN神经网络模型中，输出一个只有五官对齐人脸切割后的正方形人脸脸框图像；构造基于random_normal激活函数的神经网络模型，并定义新的人脸识别损失函数；将经过预处理的人脸图像数据集CASIA‑WebFace对已构造的神经网络模型进行预训练，并保留训练后的模型的结构和参数；将目标人脸图像与人脸数据库中人脸图像输入到神经网络模型中，然后利用启发式高斯云变换算法得到含混度来判断人脸识别结果。该方法提供了一种基于启发式高斯云变换的人脸识别方法，定义了一种新的人脸识别损失函数，代替了softmax分类方法，不再需要考虑识别对象的样本数少、分类类别多等问题，从而提高了精度。
-
公开(公告)号：CN104581333A
公开(公告)日：2015-04-29
申请号：CN201510051367.0
申请日：2015-01-30
Applicant: 重庆邮电大学
IPC: H04N21/422 , H04N21/258 , H04N21/262
CPC classification number: H04N21/42207 , H04N21/258 , H04N21/26283
Abstract: 本发明请求保护一种基于云平台的智能电视机遥控系统，涉及云计算技术领域。电视节目输入终端获取电视台预定时段节目安排信息，云存储服务器使用HBase和Hadoop集群搭建；智能遥控器终端定时从云存储服务器中读取预定时段的节目信息，提供用户操作接口，控制电视机；电视节目云数据分析平台使用MapReduce单元处理用户的观看记录数据，计算电视台相关信息。基于云平台的智能电视机遥控系统能够保证用户不会错过自己喜欢的节目、定制自己的个性化观看模式、实现加广告时自动换到自己感兴趣的另一电视台节目、为电视台的节目安排和广告投放提供决策支持。
-
公开(公告)号：CN103442056A
公开(公告)日：2013-12-11
申请号：CN201310378381.2
申请日：2013-08-27
Applicant: 重庆邮电大学
IPC: H04L29/08
Abstract: 本发明申请保护一种基于云平台的智能鞋柜系统，涉及云计算技术、图像处理技术等领域。其技术方案要点是：摄像头安装在鞋柜内采集图片，摄像头自带传感装置将采集到的图片发送到智能数据处理装置，智能数据处理装置通过无线网卡连接网络将数据经过云端服务器的API端口上传到云端的数据管理服务器；云端数据管理服务器利用现有的目标识别方法和图像清晰度检测方法识别和检测出清晰的带有待修理鞋子的图片，并存储在分布式文件系统HDFS中，位置服务服务器获取数据管理服务器处理的结果，计算用户和商家位置，为用户终端提供一系列可推荐的商家。
-
公开(公告)号：CN119888222A
公开(公告)日：2025-04-25
申请号：CN202411912504.0
申请日：2024-12-24
Applicant: 重庆邮电大学
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V20/56 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及一种面向道路场景的多尺度双流融合实时语义分割方法，属于语义分割领域。该方法包括：获取驾驶道路场景下的图像数据集；按比例将数据划分并进行数据增强；搭建双流融合网络模型；利用数据集对模型进行训练、验证和测试，选择效果最优模型获取语义分割结果。图像分别由空间分支和语义分支提取特征，空间分支引入由空间可分离卷积和深度可分离卷积结合的残差基本块，减少参数量，语义分支引入级联空洞卷积和小波下采样特征提取，扩张特征图感受野，融合策略采用优化注意力加权方式，提取更有效的空间和通道信息，改进新的特征金字塔池化结构，加强模型泛化性。该方法在保证实时性的同时提高分割精度，确保计算复杂度和精度的平衡。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.023 seconds)
