-
公开(公告)号：CN118552775A
公开(公告)日：2024-08-27
申请号：CN202410642642.5
申请日：2024-05-23
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/20 , G06V10/80 , G06T3/4007 , G06T3/4038 , G06T5/20 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于YOLOv8‑EllipseSPPF的轻量级道路坑洼检测方法和装置，包括：获取道路坑洼图像并进行预处理，将预处理后的道路坑洼图像输入训练好的道路坑洼检测模型进行检测，得到检测结果；其中，所述道路坑洼检测模型包括：利用EllipseSPPF模块替换YOLOv8模型骨干网络部分的SPPF模块、以及利用可变核卷积模块替换YOLOv8模型颈部网络部分的卷积模块得到道路坑洼检测模型；本发明能够精确有效地提高特征提取融合的能力，提高模型对道路坑洼类的目标的检测精度。
-
公开(公告)号：CN113128369B
公开(公告)日：2022-07-01
申请号：CN202110357123.0
申请日：2021-04-01
Applicant: 重庆邮电大学
IPC: G06V10/774 , G06V40/16 , G06K9/62 , G06N3/04 , G06N3/08
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。
-
公开(公告)号：CN111950389B
公开(公告)日：2022-07-01
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：CN114120401A
公开(公告)日：2022-03-01
申请号：CN202111340213.5
申请日：2021-11-12
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于跨域特征对齐网络的人脸反欺诈方法，属于模式识别技术领域。所述方法包括以下步骤：步骤1.以ResNet18为基础特征生成模型，为了缓解域差异性和增强深层特征表示，本发明设计了一个改进的特征生成网络。步骤2.为了探索多粒度特征对齐以改进对未知目标场景的泛化能力，本发明提出了一个多粒度特征对齐网络，进行局部区域和全局图像特征对齐。步骤3.为了减少类内距离同时增大类间距离，本发明采用total loss计算网络的分类损失，通过迭代对抗训练、更新参数得到最终的网络模型。在增加少量计算量的情况下，本发明有效的缓解了域差异性同时增强了特征表达能力，捕获了更加鲁棒和广义的特征空间，实现了更加清晰的分类边界。
-
公开(公告)号：CN104794441A
公开(公告)日：2015-07-22
申请号：CN201510178003.9
申请日：2015-04-15
Applicant: 重庆邮电大学
IPC: G06K9/00
Abstract: 本发明涉及一种复杂背景下基于主动形状模型和POEM纹理模型的人脸特征定位方法，属于模式识别技术领域。本方法包括：对训练集进行特征点标定；对训练样本建立全局形状模型；对每个标定特征点建立POEM纹理直方图；根据形状模型选择因子选择模型的初始人脸形状；计算测试图像中每个特征点候选点的POEM直方图；对直方图采用马氏距离函数来计算候选点与目标点的相似度；将初始人脸加载到模型中进行迭代搜索匹配；对定位效果略差的局部器官或人脸轮廓进行二次定位。本发明提供的人脸特征定位方法提高了对复杂环境(例如：姿态、光照、表情)变化的鲁棒性，获得了较高的定位精度，具有较好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN117409453A
公开(公告)日：2024-01-16
申请号：CN202310737335.0
申请日：2023-06-21
Applicant: 重庆邮电大学
Abstract: 本发明公开一种基于多尺度域迁移的人脸反欺骗方法和装置，包括：步骤S1、获取多尺度面部轮廓特征信息；步骤2、根据多尺度面部轮廓特征信息，得到GAN网络梯度参数；步骤3、使用GAN网络梯度参数更新后的FEM提取特征，将提取到的最后一级特征送入特征聚合模块，然后送入分类器中进行判别，进行人脸反欺骗。采用本发明的技术方案，提高对深度图预测的准确度。
-
公开(公告)号：CN114662572A
公开(公告)日：2022-06-24
申请号：CN202210220077.4
申请日：2022-03-08
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于定位感知的高速孪生网络目标跟踪方法，属于计算机视觉技术领域。所述方法主要包括以下步骤：以AlexNet作为特征提取子网，进行模板图像以及搜索图像的特征提取任务；为了增强特征的表征能力，本发明提出了一个上下文增强模块，从局部和全局层面捕获丰富的目标信息，同时提出一种新的特征融合策略，充分结合不同尺度特征的上下文信息；最后，利用Distance‑IoU loss计算网络的回归损失，引导跟踪器选择更精确的边界框。在增加少量参数的同时，本发明能够保证较高的跟踪速度，并且有效地提升基于孪生网络跟踪器在复杂场景下的跟踪性能。
-
公开(公告)号：CN112561860B
公开(公告)日：2022-05-03
申请号：CN202011320105.7
申请日：2020-11-23
Applicant: 重庆邮电大学
Abstract: 本发明涉及计算机视觉技术领域，具体涉及一种基于先验形状约束的BCA‑UNet肝脏分割方法，包括以下步骤：输入肝脏CT图像，对肝脏CT图像进行预处理，得到预处理后的肝脏CT图像，将预处理后的肝脏CT图像输入训练好的肝脏分割模型中，得到肝脏分割结果。本发明采用优化的主动轮廓损失函数计算高维特征的损失，融合两个网络中间特征作为下一层注意力信号，用于约束分割网络(BCA‑UNet)，误差反向传播逐层优化，避免了边缘轮廓的丢失。此外，本发明的肝脏分割模型对图像边缘轮廓较敏感，提高了分割的精度，缩小了表面距离误差。
-
公开(公告)号：CN112561860A
公开(公告)日：2021-03-26
申请号：CN202011320105.7
申请日：2020-11-23
Applicant: 重庆邮电大学
Abstract: 本发明涉及计算机视觉技术领域，具体涉及一种基于先验形状约束的BCA‑UNet肝脏分割方法，包括以下步骤：输入肝脏CT图像，对肝脏CT图像进行预处理，得到预处理后的肝脏CT图像，将预处理后的肝脏CT图像输入训练好的肝脏分割模型中，得到肝脏分割结果。本发明采用优化的主动轮廓损失函数计算高维特征的损失，融合两个网络中间特征作为下一层注意力信号，用于约束分割网络(BCA‑UNet)，误差反向传播逐层优化，避免了边缘轮廓的丢失。此外，本发明的肝脏分割模型对图像边缘轮廓较敏感，提高了分割的精度，缩小了表面距离误差。
-
公开(公告)号：CN111950515A
公开(公告)日：2020-11-17
申请号：CN202010870140.X
申请日：2020-08-26
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于语义特征金字塔网络的小人脸检测方法，属于人脸检测技术领域。其中，所述方法包括以下步骤：步骤1.以SFD人脸检测方法为基础模型，为了增强预测特征的语义信息，本发明设计了一个语义特征金字塔网络。步骤2.为了提高小人脸的召回率，减少固定分类阈值造成的错误分类样本数量，本发明提出了一个尺度自适应匹配算法，进行anchor匹配和样本分类。步骤3.为了缓解网络中正负样本不平衡问题，本发明采用focal loss计算网络的分类损失，通过迭代训练、更新参数得到最终的网络模型。在增加少量计算量的情况下，本发明有效的提取了小人脸检测所必需的语义信息，增强了网络的特征表达能力，提高了小人脸的召回率，缓解了检测器的样本不平衡问题。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.023 seconds)
