-
公开(公告)号：CN113076873B
公开(公告)日：2022-02-22
申请号：CN202110356903.3
申请日：2021-04-01
Applicant: 重庆邮电大学
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于多阶段训练的农作物病害长尾图像识别方法，属于深度学习和图像识别领域。该方法包括：搭建卷积神经网络模型对农作物病虫害进行识别，并采用多阶段训练的方法进行训练提高模型的鲁棒性和对不均衡数据的识别能力。第一阶段训练采用原始的不均衡的数据进行模型训练，让模型学习到原始的数据分布；第二阶段训练采用CutMix增强后的数据集进行模型训练，提升模型的鲁棒性；第三阶段训练采用平衡采样后分布均衡的数据集进行模型训练，训练时冻结卷积模块的参数更新，只更新全连接层参数，在保留前两阶段获得的特征提取能力的同时提升模型对尾部类别的分类能力。本发明能提高自然场景下复杂的不均衡分布的病虫害图像识别准确率。
-
公开(公告)号：CN114064901A
公开(公告)日：2022-02-18
申请号：CN202111422577.8
申请日：2021-11-26
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F16/36 , G06F16/951 , G06F40/205 , G06F40/289 , G06F40/30 , G06F40/247 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于知识图谱词义消歧的书评文本分类方法，属于自然语言处理技术领域。该方法包括：S1：获取书评文本数据集；S2：将文本进行分段处理；S3：对分段后的文本进行聚类并标签化，每个文本片段对应各自的外部知识实体；S4：词级文本预处理；S5：计算词级文本间的语义相似度、余弦相似度、目标函数以及得分；S6：提取文本片段的特征；S7：利用层次注意力网络提取各文本片段的特征信息，再对文本片段的特征信息进行一次层次注意力网路的文本处理，最终得到的特征信息经归一化处理完成文本分类。本发明能有效处理篇章级别的长文本数据。
-
公开(公告)号：CN113076873A
公开(公告)日：2021-07-06
申请号：CN202110356903.3
申请日：2021-04-01
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于多阶段训练的农作物病害长尾图像识别方法，属于深度学习和图像识别领域。该方法包括：搭建卷积神经网络模型对农作物病虫害进行识别，并采用多阶段训练的方法进行训练提高模型的鲁棒性和对不均衡数据的识别能力。第一阶段训练采用原始的不均衡的数据进行模型训练，让模型学习到原始的数据分布；第二阶段训练采用CutMix增强后的数据集进行模型训练，提升模型的鲁棒性；第三阶段训练采用平衡采样后分布均衡的数据集进行模型训练，训练时冻结卷积模块的参数更新，只更新全连接层参数，在保留前两阶段获得的特征提取能力的同时提升模型对尾部类别的分类能力。本发明能提高自然场景下复杂的不均衡分布的病虫害图像识别准确率。
-
公开(公告)号：CN112311670A
公开(公告)日：2021-02-02
申请号：CN201911224221.6
申请日：2019-12-04
Applicant: 重庆邮电大学
IPC: H04L12/707 , H04L12/751 , H04L12/24
Abstract: 本发明公开了一种软件定义网络控制器中路由选择功能的替代方法，基于当前动态路由选择算法存在时间开销问题，本发明设计了一种解决方案，优化SDN路由选择过程，使其既可以得到启发式算法计算出的优化路径，又可以保证其方法运行的高效性。该方法能够实时的获得启发式算法或者近似启发式算法的路由选择结果，在不影响SDN数据流处理速度的前提下，实现海量网络资源的快速合理分发。该方法简单实用，在一定程度上提高了控制器拓扑发现模块的运行效率，使得网络资源可以更有效的分配。特别是对于海量新数据分发处理场景，不仅提高了网络中控制器的性能，还提高了整个系统的运行效率。
-
公开(公告)号：CN106708789B
公开(公告)日：2020-07-14
申请号：CN201510784305.0
申请日：2015-11-16
Applicant: 重庆邮电大学 , 腾讯科技(深圳)有限公司
IPC: G06F40/284 , G06F3/16
Abstract: 本发明实施例提供一种文本处理方法及装置，其中的方法可包括：获取即时通讯应用中与目标用户关联的文本消息；将所述文本消息划分为至少一个分词；分别计算所述至少一个分词中每一个分词的情感极性；将每一个所述分词按照所述分词的情感极性对应的情感语音进行播放。本发明可将即时通讯应用中的文本消息采用情感语音进行播放，不仅提高了文本消息展示的趣味性，而且减少用户的用眼时间，使用极其方便。
-
Patent Agency Ranking
公开(公告)号：CN111104852A
公开(公告)日：2020-05-05
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：CN102857565A
公开(公告)日：2013-01-02
申请号：CN201210320051.3
申请日：2012-09-03
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于云服务器的智能试衣系统。该系统使用智能终端采集数据，并将数据通过无线网络传输到云服务器端，云服务器端搜集多个智能终端所采集到的文件信息，并将文件信息存储在各个节点上。当多个用户发出请求时，云服务器端通过将任务分块并分配不同的空闲资源上去处理，通过综合分析数据得到试衣效果图和搭配建议、颜色及价格等，并将处理结果返回在智能终端显示，实现智能终端与云服务器之间的海量数据传输和海量数据处理。
-
公开(公告)号：CN1968499A
公开(公告)日：2007-05-23
申请号：CN200610054394.4
申请日：2006-06-27
Applicant: 重庆邮电大学 , 韩国仁荷大学教产学协力团
Abstract: 本发明请求保护一种基于电磁波极化技术的室内定位方法，涉及无线定位技术。本发明通过在室内铺设少量发射点，向室内空间均匀发射圆极化电磁波，手机或其他移动终端通过加装匹配的极化天线便只接收发射点的直射信号的能量而屏蔽了大部分反射信号的能量，有效抑制了人流等动态环境的影响；利用室内各处接收到的直射信号的能量，建立信号强度数据库，在能接受3个发射点的信号的条件下，在覆盖范围内实现精确的室内定位。该系统可供只需要室内定位服务的用户单独使用，也可以基于其它无线通信网络，结合室外定位技术实现真正的无缝定位。
-
公开(公告)号：CN119380192A
公开(公告)日：2025-01-28
申请号：CN202411431024.2
申请日：2024-10-14
Applicant: 重庆邮电大学
IPC: G06V20/10 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455
Abstract: 本发明涉及一种基于transformer算法的遥感图像实时检测方法，属于计算机视觉技术领域。其包括：获取遥感图像并对遥感图像进行数据增强预处理；将数据增强后的输入骨干特征提取网络提取关键信息，生成特征图；将提取的特征图输入构建的多尺度空间特征融合网络进行特征融合，得到若干综合特征图；通过感知查询模块对若干综合特征图进行解耦，并选择若干特征输入至检测头模块中预测潜在目标的位置和类别；按照前述步骤对模型进行训练，训练完成后用于遥感图像实时检测。本发明通过数据增强、高效特征提取与编码、多尺度特征融合、感知查询与高效检测等技术手段，提高了遥感图像检测速度，具有较强的实用性和应用价值。
-
公开(公告)号：CN119206181A
公开(公告)日：2024-12-27
申请号：CN202411323704.2
申请日：2024-09-23
Applicant: 重庆邮电大学
IPC: G06V10/25 , G06V10/764 , G06V10/82 , G06V10/44 , G06V20/13 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于YOLOv5的遥感小目标检测方法，属于目标检测领域，包括：S1：采集并预处理数据集，划分为训练集、验证集和测试集；S2：将数据集中的标签文件转换为YOLOv5格式；S3：创建数据集的配置文件；S4：构建RStargetNet网络：以YOLOv5网络为基础，使用VanillaNet作为骨干网络，加入SENet通道注意力机制，置信度损失和类别损失采用BCEloss，定位损失采用CIoUloss；S5：对RStargetNet网络进行训练、验证和测试，得到最优模型；S6：利用最优模型对输入网络中的图片进行预测，获得各个检测目标的类别名称、置信度分数和目标框坐标信息，并展示在图片中。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.021 seconds)
