-
公开(公告)号：CN117710252A
公开(公告)日：2024-03-15
申请号：CN202311465117.2
申请日：2023-11-06
Applicant: 重庆邮电大学
IPC: G06T5/77 , G06T5/70 , G06T7/41 , G06V10/54 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明请求保护一种基于细化边缘语义的人脸复原方法。首先通过构建身份‑纹理数据库，复原时检索同一人的面部纹理以实现复原人脸身份的强一致性；然后通过细化边缘语义机制明确退化人脸的大致轮廓和组件范围以近似先验信息，摒弃获取先验信息获取的时间，并通过特征选择模块中的双分支结构，进一步对细化边缘特征进行选择以实现复原人脸图像的清晰边缘。最后借助细节补充模块，动态的融合检索到的纹理，使得复原结果更加的真实。在实际场景中，通过平滑复原人脸边缘杜绝复原人脸和背景的明显差异，实现更加自然的图像复原效果。该方法具有可靠的纹理生成效果和优秀的推理速度，部署所需要的资源和难度较低，并为超高清人脸场景提供了一种思路。
-
公开(公告)号：CN116340506A
公开(公告)日：2023-06-27
申请号：CN202310003775.3
申请日：2023-01-03
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F40/30 , G06N3/08 , G06F40/242 , G06F40/289 , G06N3/0464
Abstract: 本发明请求保护一种基于BERT和无池化卷积神经网络的文本分类方法，步骤包括：对原始中文新闻文本进行分词、转换文本序列等预处理；将新闻文本输入BERT模型中得到词嵌入向量输出，基于BERT模型的多头注意力机制可以更充分地保留全局语义信息；将词嵌入向量输入卷积神经网络并对卷积神经网络进行优化，在卷积层使用三个不同大小的卷积核提取更加丰富的局部语义信息，以及取消池化层避免池化操作造成的部分语义信息丢失问题；将训练得到的参数作为网络模型的初始参数；最后将无池化卷积神经网络的输出输入全连接层实现分类。本发明具有良好的收敛性和稳定性，同时能够提高文本分类准确率。
-
公开(公告)号：CN114358389A
公开(公告)日：2022-04-15
申请号：CN202111520535.8
申请日：2021-12-13
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种结合VMD分解和时间卷积网络的短期电力负荷预测方法，首先使用变分模态分解(VMD)对原始负荷数据进行处理，将负荷序列分解得到多个本征模态函数(IMF),以降低神经网络预测模型输入数据的复杂程度。然后，分别计算各个IMF分量的样本熵(SE)，将相近样本熵值的分量合并为一个新的序列，以减少所需训练的模型数量，最后利用时间卷积网络(TCN)来拟合各个序列的历史数据和预测数据的非线性关系，并叠加各模型的预测结果得到最后的预测值。本发明相比于其他负荷预测传统方法，具有更高的预测精度。
-
公开(公告)号：CN108304823B
公开(公告)日：2022-03-22
申请号：CN201810156983.6
申请日：2018-02-24
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于双卷积CNN和长短时记忆网络的表情识别方法。首先，对得到的表情图片进行去均值、滤波、归一化等预处理；然后，再将预处理过后的表情图片输入到双卷积层和池化层中提取其特征；紧接着，利用全连接层和长短时记忆网络(LSTM)进一步提取其特征，最后，利用支持向量机(SVM)识别其表情特征并输出分类结果。本发明能充分利用人脸表情的时空特征，提取那些不够明显或是容易混淆的表情特征，可有效提升表情识别率。
-
公开(公告)号：CN108595643A
公开(公告)日：2018-09-28
申请号：CN201810384910.2
申请日：2018-04-26
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于多分类节点卷积循环网络的文本特征提取及分类方法。首先对文本数据进行预处理生成词向量；然后一维卷积网络提取多个词的词向量的组合特征；分别将提取到的词语组合特征输入双向长短期记忆循环网络和多重卷积网络中。其中双向长短期记忆循环网络的输出作为主分类器的输入，多重卷积网络含有辅分类器，辅助网络训练。优化加权后的总损失函数，并对主分类器进行性能测试并实现分类。本发明能够获得较高的分类准确率。
-
Patent Agency Ranking
公开(公告)号：CN108304823A
公开(公告)日：2018-07-20
申请号：CN201810156983.6
申请日：2018-02-24
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于双卷积CNN和长短时记忆网络的表情识别方法。首先，对得到的表情图片进行去均值、滤波、归一化等预处理；然后，再将预处理过后的表情图片输入到双卷积层和池化层中提取其特征；紧接着，利用全连接层和长短时记忆网络(LSTM)进一步提取其特征，最后，利用支持向量机(SVM)识别其表情特征并输出分类结果。本发明能充分利用人脸表情的时空特征，提取那些不够明显或是容易混淆的表情特征，可有效提升表情识别率。
-
公开(公告)号：CN116758632A
公开(公告)日：2023-09-15
申请号：CN202310704051.1
申请日：2023-06-14
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于区域扩增和位置信息交互的视频行人重识别方法，属于图像检索方法。包括以下步骤：数据切片及预处理；然后使用通道注意模块进行通道权值重建；接着提取前帧的显著特征，进一步将后帧的关注区域从显著到全面进行过渡；然后利用位置信息交互(LII)模块促进位置信息跨所有帧交互，以实现帧之间的相互增强；最后根据模型设计损失函数并进行训练，值得注意的是，在测试阶段，去除LII模块以提升推理速度。本发明提出了轻量化的视频行人重识别模型，在多个公共基准上展现了强大的性能和泛化能力。
-
公开(公告)号：CN108255813B
公开(公告)日：2021-11-16
申请号：CN201810062016.3
申请日：2018-01-23
Applicant: 重庆邮电大学
IPC: G06F40/289 , G06F16/33
Abstract: 本发明请求保护一种基于词频‑逆文档(TF‑IDF)与CRF的语义匹配方法，选用CRF挖掘到的属性特征和TF‑IDF的统计特征来表示文本的权重值，并将权重值赋予文本词向量。该方法解决了TF‑IDF和CRF单纯从统计角度以及需求信息上获取权重却没有考虑到词语之间语义的问题，同时也解决了Word2vec中固定词特征表述不清楚的问题。结合上述方法处理文本匹配问题可显著提高匹配的准确率。
-
公开(公告)号：CN108255813A
公开(公告)日：2018-07-06
申请号：CN201810062016.3
申请日：2018-01-23
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于词频‑逆文档(TF‑IDF)与CRF的语义匹配方法，选用CRF挖掘到的属性特征和TF‑IDF的统计特征来表示文本的权重值，并将权重值赋予文本词向量。该方法解决了TF‑IDF和CRF单纯从统计角度以及需求信息上获取权重却没有考虑到词语之间语义的问题，同时也解决了Word2vec中固定词特征表述不清楚的问题。结合上述方法处理文本匹配问题可显著提高匹配的准确率。
-
公开(公告)号：CN114358389B
公开(公告)日：2024-09-27
申请号：CN202111520535.8
申请日：2021-12-13
Applicant: 重庆邮电大学
IPC: H02J3/00 , G06Q50/06 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 本发明请求保护一种结合VMD分解和时间卷积网络的短期电力负荷预测方法，首先使用变分模态分解(VMD)对原始负荷数据进行处理，将负荷序列分解得到多个本征模态函数(IMF),以降低神经网络预测模型输入数据的复杂程度。然后，分别计算各个IMF分量的样本熵(SE)，将相近样本熵值的分量合并为一个新的序列，以减少所需训练的模型数量，最后利用时间卷积网络(TCN)来拟合各个序列的历史数据和预测数据的非线性关系，并叠加各模型的预测结果得到最后的预测值。本发明相比于其他负荷预测传统方法，具有更高的预测精度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.022 seconds)
