公开(公告)号：CN110070069A

公开(公告)日：2019-07-30

申请号：CN201910362329.5

申请日：2019-04-30

Applicant: 重庆大学

Inventor： 仲元红 ,  张靖怡 ,  张顺 ,  马心怡 ,  张钊源 ,  周昭坤 ,  成欣雨 ,  张静 ,  黄关

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络自动特征提取的茶叶分类方法，包括如下步骤：获取电子舌传感器采集的待分类茶叶数据；将待分类茶叶数据转换为时频特征图；将时频特征图输入卷积神经网络得到茶叶分类信息。本发明将待分类茶叶数据转换为时频特征图，以充分利用卷积神经网络在图像处理中的优势，以网络参数训练代替了手动特征选择，提高了茶叶分类的效率；并且，与现有技术中将特征提取和分类识别作为两个独立的结构相比，本发明将特征提取和分类识别集成到同一架构中，使分类效果更加准确。

公开(公告)号：CN116452888A

公开(公告)日：2023-07-18

申请号：CN202310447930.0

申请日：2023-04-24

Applicant: 重庆大学

Inventor： 仲元红 ,  张靖怡 ,  陶歆 ,  张高旭 ,  孙树海

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06N3/096 ,  G06N3/0464 ,  G06N3/0455 ,  G06V10/40 ,  G06V10/74

Abstract: 本发明公开了一种基于迁移学习的小样本目标检测系统，属于小样本目标检测系统技术领域，包括样本预处理模块、特征提取网络、RPN区域建议网络、RoI池化和特征提取模块、分类回归层，所述样本预处理模块与所述特征提取网络连接，所述特征提取网络分别与所述RPN区域建议网络、RoI池化和特征提取模块连接，所述RoI池化和特征提取模块分别与RPN区域建议网络、分类回归层连接；本发明通过首先设计了混合复制粘贴的数据增广方式对小样本数据集进行扩充，然后以Faster‑RCNN为基本检测结构，设计了一种基于Transformer的多尺度注意力特征提取网络替代原本的骨干网络，并在最后加入一个与分类器和回归器并行的对比学习分支来提高分类精度。

公开(公告)号：CN112308921B

公开(公告)日：2024-01-12

申请号：CN202011241578.8

申请日：2020-11-09

Applicant: 重庆大学

Inventor： 仲元红 ,  黄关 ,  胡双双 ,  邓迪杭 ,  李瑾 ,  张靖怡 ,  陈霞 ,  周宇杰 ,  张晨旭 ,  徐乾锋

IPC: G06F30/20 ,  G06T7/73

Abstract: 本发明公开了一种基于语义和几何的联合优化动态SLAM方法，包括：将原始图像进行语义分割及几何分割得到二进制掩模maskseg与二进制掩模maskmvg；计算特征点权重；基于特征点权重确定语义和几何均为静态的特征点；初始化位姿；基于特征点权重对位姿进行优化求解；利用位姿优化的结果检测关键帧，利用关键帧进行局部建图及回环检测。与现有技术相比，本发明重点研究动态环境下的SLAM系统，综合分析几何分割和语义分割的优势与不足，将语义分割结果紧耦合进几何分割，提高动态特征点识别的准确率。此外，本发明提出了特征点权重的概念，基于动态特征点分割的结果初始化权重后，联合优化特征点权重和位姿，在优化相机位姿估计值的同时进一步权衡特征点的动态率。

公开(公告)号：CN116630913A

公开(公告)日：2023-08-22

申请号：CN202310341699.7

申请日：2023-04-03

Applicant: 重庆大学

Inventor： 仲元红 ,  陶歆 ,  张靖怡

IPC: G06V20/56 ,  G01C21/00 ,  G06V10/80 ,  G06V10/77 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06F16/29

Abstract: 本发明属于地图建模技术领域，具体涉及一种基于特征融合的野外环境建图方法、设备及存储介质。一种基于特征融合的野外环境建图方法，包括：采集多种图像信息；根据预设算法，解构所述图像信息，获得多种图像特征；建立模型，将所述多种图像特征进行融合，生成可行驶区域特征图。动态融合LiDAR和RGB图像信息，通过交叉学习关注，生成具有融合特征的可行驶区域特征图，以实现精确的越野自由空间检测。

公开(公告)号：CN112308921A

公开(公告)日：2021-02-02

申请号：CN202011241578.8

申请日：2020-11-09

Applicant: 重庆大学

Inventor： 仲元红 ,  黄关 ,  胡双双 ,  邓迪杭 ,  李瑾 ,  张靖怡 ,  陈霞 ,  周宇杰 ,  张晨旭 ,  徐乾锋

IPC: G06T7/73 ,  G06K9/00 ,  G06K9/34 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于语义和几何的联合优化动态SLAM方法，包括：将原始图像进行语义分割及几何分割得到二进制掩模maskseg与二进制掩模maskmvg；计算特征点权重；基于特征点权重确定语义和几何均为静态的特征点；初始化位姿；基于特征点权重对位姿进行优化求解；利用位姿优化的结果检测关键帧，利用关键帧进行局部建图及回环检测。与现有技术相比，本发明重点研究动态环境下的SLAM系统，综合分析几何分割和语义分割的优势与不足，将语义分割结果紧耦合进几何分割，提高动态特征点识别的准确率。此外，本发明提出了特征点权重的概念，基于动态特征点分割的结果初始化权重后，联合优化特征点权重和位姿，在优化相机位姿估计值的同时进一步权衡特征点的动态率。