-
公开(公告)号：CN116229342A
公开(公告)日：2023-06-06
申请号：CN202211467539.9
申请日：2022-11-22
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于行为活动图的理发服务内容识别方法，属于计算机视觉技术领域，包含以下步骤：建立理发师人脸、理发工具图像库和标准理发行为活动图库；检测每帧出现的理发工具并确认人物身份；识别理发工具对应的服务行为，构建顾客理发行为活动图；建立基于图相似度的服务内容识别模型，将顾客理发行为活动图与标准理发行为活动图进行匹配，以此确定顾客在理发店所接受的服务内容。
-
公开(公告)号：CN113269070B
公开(公告)日：2023-04-07
申请号：CN202110539959.2
申请日：2021-05-18
Applicant: 重庆邮电大学
IPC: G06V40/10 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种融合全局和局部特征的行人重识别方法、模型训练方法、可读存储介质及处理器，属于计算机视觉领域，包括以下步骤：S1：输入待识别的图像，将其预处理得到标准输入图像；S2：通过卷积神经网络来分别提取输入图像的全局特征和局部特征；S3：将全局特征和局部特征分别输入批量归一化层与1×1卷积层对特征进行降维；S4：将全局特征和局部特征进行融合，得到融合后的行人特征；S5：计算融合特征与图像库中各图像对应特征的距离，用于表示图像间的相似度；将图像库中的图像按照与输入图像的相似度排序，将排序结果作为行人重识别模型的输出。
-
Patent Agency Ranking
公开(公告)号：CN115424347A
公开(公告)日：2022-12-02
申请号：CN202211072684.7
申请日：2022-09-02
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种理发店员工工作内容智能识别方法，属于机器视觉技术领域，包括以下步骤：S1：采集设备安装位置和安装条件的设置；S2：建立理发员工人脸、顾客人脸标签库，并训练人脸识别模型；S3：建立与物品、工具和人相关的动作标签库，并进行理发店动作行为识别模型训练；S4：利用训练好的人脸识别模型、理发店动作行为识别模型，用于实际理发服务场景进行动作行为识别。构建顾客、员工、动作几个要素的“动作对”行为时序；S5：建立工作内容识别标签，构建工作内容识别的深度神经网络模型，用以确定理发店员工对顾客的服务工作内容。本发明通过理发店员工工作内容智能识别方法，辅助实现理发店有效地智能化管理。
-
公开(公告)号：CN115391506A
公开(公告)日：2022-11-25
申请号：CN202210993205.9
申请日：2022-08-18
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06F40/194 , G06F40/35
Abstract: 本发明涉及一种针对多段式回复的问答内容标准性检测方法及装置，属于计算机领域。该方法为：1)构建标准问答对语料库，建立标准提问和标准回答的映射关系；2)对语音进行预处理，利用音色识别和语音识别技术，获得问者和答者的待检测提问文本和待检测回答文本；3)计算待检测提问文本和标准问答对语料库中每个标准提问文本的语义相似度，返回待检测提问文本对应的标准回答文本；4)对待检测回答文本和标准回答文本进行局部语义特征提取，利用多头自注意力机制对文本进行全局语义特征提取，再对融合后的语义特征计算语义相似度。本发明提供了一种服务过程中用户提问所得到的回答内容的标准性检测判断方法，以便提升用户服务的体验感和满意度。
-
公开(公告)号：CN112801092B
公开(公告)日：2022-07-15
申请号：CN202110123632.7
申请日：2021-01-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种自然场景图像中字符元素检测方法，属于计算机领域。该方法首先使用最大池化操作对目标进行非极大抑制，随后通过特征提取网络进行特征提取，最后通过特征融合整合顶层与底层的特征，提高特征的表示能力并结合预测网络对输出字符目标的准确位置。本发明方法通过设计新型的神经网络结构，能够整合自然场景图像中字符顶层与底层的特征，实现在复杂背景下，水平排列、倾斜排列、弯曲排列的字符位置的准确检测。
-
公开(公告)号：CN113239199A
公开(公告)日：2021-08-10
申请号：CN202110541128.9
申请日：2021-05-18
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于多方数据集的信用分类方法，属于数据挖掘领域。本发明方法包括：输入信用评估相关的多方数据集；对多个数据集数据进行数据预处理，解决原始数据集中存在的多种问题，并得到标准输入数据集；利用机器学习中的聚类算法与数据生成算法，将多个数据集进行对齐，得到对齐后的新数据集；将文本类型特征与数值类型特征分别输入到两个模型中单独训练；最后结合两个模型中的训练结果，使用逻辑回归方法计算最终两个模型权重，并输出最终的评估结果。本发明通过引入数据对齐方法与信用评估算法解决多个信用数据集中样本数量无法对齐的问题，提高了可被用于训练的样本数量，减少了由于训练样本不足带来的机器学习模型分类无法收敛的问题。
-
公开(公告)号：CN112819256A
公开(公告)日：2021-05-18
申请号：CN202110250804.7
申请日：2021-03-08
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于注意力机制的卷积时序房价预测方法，属于计算机领域。首先对房价数据集进行预处理并得到由房屋价格相关多维因素按时间构成的序列。考虑到影响房子价格有多维相关因素，对房屋价格趋势的波动和影响，使基于注意力机制的用卷积时序神经网络来对房价进行预测，其中采用了一维卷积神经网络对多维相关因素的特征进行处理，得到进一步特征提取和降维后的多维特征向量，再将特征向量输入到长短期记忆模型中学习特征之间的长期整体趋势和短期局部依赖信息。本发明结合了房价时序预测在长期整体趋势和短期局部的信息，降低了房价预测的方差，提高了多维时序数据房价预测方法的泛化能力。
-
-
-
-
-
-
Search Results
27
records
(took 0.022 seconds)
