-
公开(公告)号：CN118898863A
公开(公告)日：2024-11-05
申请号：CN202410884752.2
申请日：2024-07-03
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于特征一致性和尺度金字塔损失的人脸反欺骗方法，属于计算机视觉技术领域。所述方法包括以下步骤：首先，针对活体检测中不同视角下特征一致性不足导致模型泛化性降低的问题，提出了特征一致性模块，以鼓励不同视角下特征图的一致性，保证不同尺度下的特征图能够相互匹配和对齐。其次，设计了一个用于进行多尺度特征融合的模块MFFM，使领域迁移部分在生成深度图时能够学习到更多的尺度信息，有助于网络更好地捕捉特征之间的相关性和空间结构。最后，设计了一个尺度金字塔损失SP Loss，该损失可以让模型从多个尺度上考虑图像的信息，包括全局语义和局部细节，以提高模型对不同尺度信息的感知能力，进一步提升了模型的性能和鲁棒性。
-
公开(公告)号：CN118134963A
公开(公告)日：2024-06-04
申请号：CN202410046446.1
申请日：2024-01-12
Applicant: 重庆邮电大学
IPC: G06T7/246 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/766
Abstract: 本发明请求保护一种层次特征融合的抗背景干扰孪生网络单目标跟踪方法(BASNet)，包括以下步骤：首先，针对现有特征提取网络未能充分利用图像特征的问题，提出了一个双特征融合模块，将骨干网提取的第二层低级特征和第五层高级特征充分融合，该模块能够增强模型利用有效特征信息处理相似背景干扰的能力；其次，设计了注意力焦点模块来计算特征之间的相似性，并生成适当的权重来调整特征的重要性；最后，针对现有损失函数在回归过程中无法获得准确的位置信息的问题，本发明在回归分支中使用了新的损失函数(SIOU)，在训练过程中优化了模型的收敛性，并且能够更好地预测边界框和实际边界框之间的空间相关性，进一步提升了跟踪的准确性。
-
公开(公告)号：CN118015337A
公开(公告)日：2024-05-10
申请号：CN202410046447.6
申请日：2024-01-12
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/40 , G06V10/75 , G06V10/774 , G06V10/766 , G06V10/24
Abstract: 本发明请求保护一种基于特征对齐和样本分配的旋转目标检测方法，属于计算机视觉技术领域。所述方法包括以下步骤：1.提出了一种联合分配方法AAM，该方法根据样本的定位潜能分配标签，帮助模型充分利用高质量的样本进行训练。2.设计了一个感知拓宽模块BPM，BPM通过拓宽感受野，引入丰富的上下文信息及临近目标信息，帮助缓解感受野和目标特征间的错位，提高分类和检测精度。3.本发明还提出了一个对齐区域卷积神经网络，包括两阶段的对齐：a.对齐旋转特征与感兴趣区域RoI；b.从旋转等变特征中提取旋转不变特征。通过两个阶段的对齐操作，得到有助于分类和回归的旋转不变特征，使模型的预测结果更加精确。
-
公开(公告)号：CN118015011A
公开(公告)日：2024-05-10
申请号：CN202410046449.5
申请日：2024-01-12
Applicant: 重庆邮电大学
IPC: G06T7/11 , G06V10/80 , G06V10/44 , G06N3/0464 , G06N3/0455
Abstract: 本发明请求保护一种基于自适应特征信息差异的可靠脑肿瘤分割方法，旨在通过利用特征信息的差异性以及捕获可靠的数据来得到更加准确的分割结果，属于计算机视觉技术领域。所述方法包括以下步骤：将UNet编码部分的卷积块与证据理论进行构建得到证据卷积块(C‑EConv)，即网络在编码阶段对特征数据进行评估，使网络实现可靠分割。设计了一个动态交叉模态融合模块(DCMF)，能够自动适应模态差异来充分学习模态特定特征以及模态互补特征。提出边缘特征提取模块EEM，通过增强编码特征的边缘感知能力，从而降低编码特征与解码特征之间的语义差异。
-
公开(公告)号：CN117912083A
公开(公告)日：2024-04-19
申请号：CN202410105719.5
申请日：2024-01-25
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明请求保护一种线性自注意力的轻量化人脸表情识别方法(LSViT)，旨在设计轻量化的人脸表情识别神经网络，属于模式识别领域。所述方法包括以下步骤：首先，针对视觉变换器(ViT)参数较多的问题，设计基于CNN和ViT的轻量级网络模型LSViT，通过采用多阶段局部‑全局特征并行处理操作，有效融合表情局部及全局特征，可以在大幅降低多头自注意力复杂度的同时提高表情识别准确性。其次，设计线性多头自注意模块充分捕捉表情各区域之间的关联性特征。此外，设计局部空间注意模块让网络在处理具有干扰因素的面部表情时能够更集中于关键信息。最后，设计鉴别损失以扩大类间距离和最小化类内距离，进一步提高表情识别准确性。
-
Patent Agency Ranking
公开(公告)号：CN117809201A
公开(公告)日：2024-04-02
申请号：CN202410105721.2
申请日：2024-01-25
Applicant: 重庆邮电大学
IPC: G06V20/13 , G06V10/764 , G06V10/774 , G06V10/22 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明请求保护一种面向遥感图像的解耦双头小样本目标检测方法(DDNet)，旨在在遥感领域中，使用少量样本对图像中的目标进行分类和定位，属于计算机视觉技术领域。所述方法包括以下步骤：步骤1.本发明首先引入通道注意力机制提取特征之间的通道关系，旨在增强由基础网络提取的特征。步骤2.本发明提出了一种特征增强解耦模块，该模块通过设计两个不同的特征提取函数，解耦分类与回归任务，有效提高了由于分类和回归所需特征不同所造成的性能降低的问题。步骤3.本发明设计了一个新的双头检测模块，它可以降低灾难性遗忘对检测器的影响。
-
公开(公告)号：CN116311414A
公开(公告)日：2023-06-23
申请号：CN202211559276.4
申请日：2022-12-06
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种特征增强的轻量化网络FGNet人脸表情识别方法，属于模式识别技术领域。包括以下步骤：首先，针对深度卷积神经网络过于复杂的问题，设计了一个基于Keras神经网络框架的轻量级网络模型——FGNet，该模型在backbone的基础上加入了通道分片以及通道洗牌；其次，利用网络注意力模块对于通道和空间特征的提取能力，设计了轻量且高效的注意力模块来提取不同尺度的特征并输出具有丰富的多尺度信息，从而提高网络模型的性能；然后，针对人脸表情数据库样本类别不均衡问题，提出了自适应的类别权重，并加权于自定义的损失函数，来进一步的提升各类表情识别的准确率；最后，设计了一个人脸表情识别系统平台并进行了演示，实现端到端的人脸表情识别。
-
公开(公告)号：CN116229532A
公开(公告)日：2023-06-06
申请号：CN202211573347.6
申请日：2022-12-08
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V10/82 , G06N3/08 , G06V10/80 , G06N3/0464
Abstract: 本发明请求保护一种基于极坐标变换的平面内旋转不变人脸检测方法，属于图像处理技术领域，所述方法包括以下步骤：步骤1.以MobileNetV1为基础模型，为了缓解平面内旋转产生的漏检和训练困难问题，本发明设计了一个改进的特征生成网络。步骤2.为了赋予卷积网络具有旋转不变特性，本发明提出了一个极坐标变换模块，使得变换后的人脸区域具有旋转不变特性。步骤3.为了减少人脸图像在极坐标变换过程中特征信息丢失的情况，我们引入了基于迭代方式的多尺度特征融合模块，来修复极坐标变换模块输出的特征。
-
公开(公告)号：CN116229531A
公开(公告)日：2023-06-06
申请号：CN202211558868.4
申请日：2022-12-06
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/094
Abstract: 本发明请求保护一种协作渐进生成对抗网络的人脸正面图像合成方法(CP‑GAN)，旨在从包含姿态变化和遮挡的人脸图像中自动检测遮挡区域并实现人脸图像转正，属于计算机视觉技术领域。所述方法包括以下步骤：步骤1.本发明提出了一种拓扑感知模块，该模块有助于精确定位姿态变化下的随机遮挡。步骤2.本发明设计了一个新的双通道生成对抗网络，它可以使两个通道相互协作来感知任务间的互补特征。步骤3.本发明采用渐进式人脸生成策略，旨在使两个通道可以有效协作，同时以更平滑的方式完成人脸合成。步骤4.本发明同时引入两个判别器用于判断两个通道所合成图片的真实性，同时利用任务间的协同关系以及拓扑特征，有效提高了姿态变化和遮挡下的人脸识别精度。
-
公开(公告)号：CN116092154A
公开(公告)日：2023-05-09
申请号：CN202211583824.7
申请日：2022-12-09
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明请求保护一种基于改进YOLOv5的实时小人脸检测方法，属于计算机视觉领域。包括以下步骤：步骤1.采用YOLOv5作为小人脸检测的基础框架，该YOLOv5小人脸检测模型中加入了SKAttention，通过动态计算每个卷积核得到通道的权重，动态的将各个卷积核的结果进行融合，可以让神经网络更加关注小人脸，提升真实场景中小人脸检测的精度。步骤2.设计了小人脸特征增强模块，将特征图进行上采样处理，使得特征图继续扩大，同时将浅层特征图与深层特征图进行融合。步骤3.为了满足实时性要求，采用YOLOv5模型，并将主干特征提取网络C3替换为更轻量的ShuffleNetV2网络，以实现网络模型的轻量化,平衡速度和精度。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.029 seconds)
