-
公开(公告)号：CN116385339A
公开(公告)日：2023-07-04
申请号：CN202211650391.2
申请日：2022-12-21
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06T5/00 , G06T7/194 , G06N3/084 , G06N3/048 , G06N3/0464 , G06V10/40 , G06V10/80 , G06V10/82 , G06V20/52
Abstract: 本发明请求保护一种基于多分支渐进嵌入的人群计数方法，旨在从静止的图片中计算出图片中总人数，属于计算机视觉领域。其中，所述方法包括以下步骤：步骤1.为了消除背景噪声对模型性能的影响，我们使用背景过滤器将人群和背景区域分开，使模型更加专注于人群区域。步骤2.为了解决模型中尺度变化的问题，设计了串联多尺度模块提取从全局到局部的多尺度信息，并将不同尺度的层以渐进的方式嵌入到密度图中，使模型适应人头大小的变化。步骤3.使用多重监督的方式生成更精准的密度图和注意力图。弥补池化过程中的信息损失，促进反向传播，并提高模型对尺度变化的鲁棒性。步骤4.使用多尺度一致性结构损失减少像素独立性和加强全局和局部的一致性。
-
公开(公告)号：CN116229112A
公开(公告)日：2023-06-06
申请号：CN202211558887.7
申请日：2022-12-06
Applicant: 重庆邮电大学
IPC: G06V10/62 , G06V20/40 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06V10/25 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本发明请求保护一种基于多重注意力的孪生网络目标跟踪方法(SiamMAN,Siamese Multi‑attention Network)，属于计算机视觉技术领域。主要包括以下步骤：首先，为了更高效地利用目标特征信息来应对复杂背景干扰的问题，设计了一个多重注意力模块对特征进行优化，其中，通道注意力分支用于给更具判别性的通道赋予更高的权重，位置注意力分支充分利用目标的位置信息；其次，为了更好地利用浅层特征，在多重注意力模块中设计了一种特征融合方法，使用残差学习方法对浅层特征和经注意力分支优化后的特征进行融合，然后再融合两种注意力特征，进一步增强特征表示；最后，使用Focal‑EIoU损失作为回归损失函数，从而引导跟踪器生成更精确的跟踪框。
-
公开(公告)号：CN112418074B
公开(公告)日：2022-08-23
申请号：CN202011308968.2
申请日：2020-11-20
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/762 , G06V10/82 , G06V10/80 , G06V10/774
Abstract: 本发明请求保护一种基于自注意力的耦合姿态人脸识别方法，属于模式识别技术领域。所述方法主要包括以下步骤：步骤1.利用MTCNN对训练图像进行预处理操作(人脸检测、特征点标定)；提出基于K‑means算法的姿态导向策略PGS，确定姿态模板。步骤2.输入网络的图像利用姿态模板生成多个不同姿态人脸，生成网络编码器对其进行特征编码，加权平均得到融合特征，解码器还原成正面人脸图像。步骤3.构建姿态导向的双判别器生成对抗网络PGDD‑GAN，对合成图像进行对抗式训练。步骤4.为了增强合成图像的局部纹理信息，本发明在编码器和判别器网络中植入自注意力模型。本发明降低了模型对源数据集的需求，提高了无监督环境下的人脸识别的鲁棒性。
-
公开(公告)号：CN114399530A
公开(公告)日：2022-04-26
申请号：CN202111514363.3
申请日：2021-12-13
Applicant: 重庆邮电大学
IPC: G06T7/246 , G06T5/20 , G06T5/40 , G06K9/62 , G06V10/774
Abstract: 本发明请求保护一种基于样本差异化学习的相关滤波目标跟踪方法及系统及系统，属于计算机视觉技术领域。所述方法主要包括以下步骤：在视频初始帧获取目标的位置和大小，并训练一个尺度滤波器和定位滤波器；获得每一帧输入图像的候选区域与滤波器模型的响应图；根据响应图计算多个样本可靠度指标的值；标签标注器以指标值作依据为训练样本标注可靠度标签；最后选择与可靠度标签匹配的样本学习率来更新滤波器模型。本发明针对复杂跟踪场景中存在不可靠的训练样本问题，提出通过感知样本的可靠度来引导跟踪器差异化地学习不同样本。该方法能减轻不可靠样本对模型的污染，并缓解模型漂移，提升基于相关滤波跟踪器在复杂场景下的跟踪性能。
-
公开(公告)号：CN113128369A
公开(公告)日：2021-07-16
申请号：CN202110357123.0
申请日：2021-04-01
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种融合均衡损失的轻量级网络人脸表情识别方法，属于模式识别技术领域。包括以下步骤：首先，提出了样本类别损失函数，利用class_weight设置权重，将样本类别损失融入网络训练之中；其次，提出了样本质量损失函数，利用表情区域关键点定位的方法，筛选出表情质量好坏的图像样本，并通过权重影响的方式融入损失函数之中；然后，利用网络注意力机制，设计了多维注意力损失函数，将两种网络注意力机制形成的特征作为鉴别标签与预测值的度量指标，从而提高网络模型分类准确度；最后，将上述所提三种损失在基于Keras框架的网络模型中进行级联融合形成EQ‑loss，并将其添加到轻量级网络框架中，实现端到端的人脸表情识别。
-
Patent Agency Ranking
公开(公告)号：CN112418074A
公开(公告)日：2021-02-26
申请号：CN202011308968.2
申请日：2020-11-20
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于自注意力的耦合姿态人脸识别方法，属于模式识别技术领域。所述方法主要包括以下步骤：步骤1.利用MTCNN对训练图像进行预处理操作(人脸检测、特征点标定)；提出基于K‑means算法的姿态导向策略PGS，确定姿态模板。步骤2.输入网络的图像利用姿态模板生成多个不同姿态人脸，生成网络编码器对其进行特征编码，加权平均得到融合特征，解码器还原成正面人脸图像。步骤3.构建姿态导向的双判别器生成对抗网络PGDD‑GAN，对合成图像进行对抗式训练。步骤4.为了增强合成图像的局部纹理信息，本发明在编码器和判别器网络中植入自注意力模型。本发明降低了模型对源数据集的需求，提高了无监督环境下的人脸识别的鲁棒性。
-
公开(公告)号：CN111950389A
公开(公告)日：2020-11-17
申请号：CN202010713146.6
申请日：2020-07-22
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于轻量级网络的深度二值特征人脸表情识别方法，属于模式识别技术领域。所述方法主要包括以下步骤：首先，构建一套将参数二值化的卷积神经网络框架，将二值卷积模式植入每层残差网络层中，形成双向决策网络模型；然后，对输入网络的图像进行基于像素梯度的LBP动态半径特征提取，构建具有Huffman权重的LBP权重图谱和具有Huffman权重的LBP二值图谱；再将LBP权重图谱、LBP二值图谱与原始图像作为BRCNN网络的多输入特征，构建深度二值特征；最后，将深度二值特征级联后进行分类。本发明极大减少了网络训练时的参数量，降低了网络的计算代价；增强了特征的表达能力，提升了本方法在人脸表情识别的鲁棒性和速率。
-
公开(公告)号：CN111695522A
公开(公告)日：2020-09-22
申请号：CN202010539709.4
申请日：2020-06-15
Applicant: 重庆邮电大学
Abstract: 本发明属于图像处理技术领域，涉及一种平面内的旋转不变人脸检测方法、装置及存储介质；所述方法包括以SSD快速目标检测方法的模型结构为基础，构建出包括基本网络和检测网络的卷积神经网络；利用基本网络提取出输入图像的卷积特征；对检测网络进行改造，采用多尺度特征层对基本网络的卷积特征进行多尺度融合；在多尺度特征层上连接有方向敏感特征集成网络，提取出旋转不变的卷积特征；采用属于不同样本的人脸图像数据集对卷积神经网络进行训练，直至训练损失；使用训练完成的卷积神经网络对待测的人脸图像进行处理，根据卷积神经网络参数获得其人脸分类概率、边界框回归向量和角度类别标签。本发明改进了SSD模型，获得了较好的检测效果。
-
公开(公告)号：CN105469432B
公开(公告)日：2019-03-08
申请号：CN201510811247.6
申请日：2015-11-20
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于改进树状部分模型的医学图像分割方法，涉及医学图像分割领域，所述方法主要包括以下步骤：对输入图像进行预处理；对预处理之后的图像获得特征点；然后利用凹凸点(Convex Concave Point)算法获得最能表现器官特征的关键点；最后利用树状部分模型训练出器官的模型，利用此模型进行分割。本发明通过CCP算法对医学图像进行分割，能够准确、自动的提取肝脏轮廓，将分割结果显示出来为医学辅助诊断提供参考。
-
公开(公告)号：CN107909019A
公开(公告)日：2018-04-13
申请号：CN201711085240.6
申请日：2017-11-07
Applicant: 重庆邮电大学
CPC classification number: G06K9/00221 , G06K9/56 , G06K9/6256
Abstract: 本发明请求保护一种基于TI-SPCA的自动人脸对齐及识别方法，属于模式识别技术领域。所述方法主要包括以下步骤：首先针对训练集中的样本生成镜像图像，再利用数学中的奇偶分解原理生成奇偶对称图像；对奇偶图像集分别使用对称主成分分析，根据特征值大小选取相应的特征向量，形成初始的特征空间；利用该特征空间初始化下一阶段的迭代学习，结合同时反向合成算法，交替迭代更新扭曲参数和编码参数，最终得到一个旋转不变的特征空间，对平面内旋转的人脸图像进行自动对齐，进而可进行人脸识别。本发明具有更为鲁棒的性能。此外，本发明所提方法还可与其它特征提取算子相结合，取得优异的识别率。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.028 seconds)
