-
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：CN116250849A
公开(公告)日：2023-06-13
申请号：CN202211559232.1
申请日：2022-12-06
Applicant: 重庆邮电大学
IPC: A61B5/372 , A61B5/00 , G06F18/2415 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明请求保护一种基于信息分离器和区域卷积网络的脑电信号识别方法，包括：采集脑电数据，并对脑电数据进行滤波、小波包分解和数据标准化等预处理；根据电极安装位置构建拓扑图，再将经过预处理的脑电数据嵌入图中；使用所构建的图创建信息分离器获取每个节点独立的源信息，然后使用聚焦区域特征并且关注的区域范围依次递增的区域卷积网络提取脑电信号特征，区域卷积网络包含三个卷积层，分别为提取节点自身特征的节点卷积层、提取以节点为中心的领域特征的领域卷积层和提取全局特征的全局卷积层；最后由全连接层完成分类识别。本发明可显著降低电极之间的信息冗余度并有效提高脑电信号的识别准确率。
-
公开(公告)号：CN117807553A
公开(公告)日：2024-04-02
申请号：CN202311847281.X
申请日：2023-12-28
Applicant: 重庆邮电大学
IPC: G06F18/25 , G06F18/214 , G06F18/10 , G06F18/2131 , G06N3/0464 , G06N3/049 , G06N3/045 , G06F18/2415 , G06F17/14 , A61B5/372 , A61B5/397
Abstract: 本发明请求保护一种基于时频卷积的脑肌电信号融合解码方法。首先对脑电信号和肌电信号的同步触发采集，并对实时信号进行存储，构建了脑肌电同步信号数据集；将预处理后的脑肌电信号进行短时傅里叶变换，分别获取脑肌电信号的时域融合特征和频域独立特征；通过设计的双分支网络结构获取脑肌电信号深层次时域特征，以及在频域特征分支引入频域注意力机制，来增强脑肌电信号在探索不同频域成分中的有效性，提高脑电频域特征的提取与表达；最终将脑肌电信号的时域特征和频域特征在特征层后期进行拼接融合，再将融合后的特征向量输入到两个全连接层中，最后对其进行解码分类，有效的提高了脑肌电融合解码的准确率和稳定性。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN114360041A
公开(公告)日：2022-04-15
申请号：CN202210013760.0
申请日：2022-01-06
Applicant: 重庆邮电大学
Abstract: 本发明公开了基于关键点检测和头部姿态的疲劳状态检测方法及系统，构建并训练主干网络采用深度可分离卷积网络的MMC多任务预测模型，获取单位时间内的若干帧人脸图像，采用MTCNN网络检测每张图像的人脸位置并裁剪出头部图像；将头部图像输入训练好的MMC多任务预测模型中，得到头部姿态角度和人脸关键点的位置信息；利用双阈值法分别判定头部、眼部和嘴部疲劳状态；设定相关系数综合判定人的疲劳状态，结合人脸关键点检测和头部姿态的相关性，采用主干网络为深度可分离卷积网络的MMC多任务预测模型，将两个任务放在同一个网络中同时进行，可以大幅度的减少需要的参数量和运算量，从而提高了模型的检测速度，进而达到实时的效果。
-
公开(公告)号：CN114332989A
公开(公告)日：2022-04-12
申请号：CN202111495330.9
申请日：2021-12-08
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06N3/04 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种多任务级联卷积神经网络的人脸检测方法及系统，将获取的人脸检测数据集分为训练集和测试集，采用多支路的扩张卷积结构对MTCNN网络中的P网络进行改进，利用训练集分别训练O网络、R网络和改进后的P网络的其中一条支路，得到MTCNN网络的最优参数；以此生成训练好的MTCNN网络；对测试集中的图片进行预处理，将预处理后的图片输入到训练好的MTCNN网络中进行人脸检测，输出检测结果，去除了极其耗时的图像金字塔结构，改之以多支路的扩张卷积代替，不再需要大量搬运数据来完成对图像的多次缩放，也不再需要多次重复的将图像输入到P‑net中，减少了无用操作，从而提高人脸检测的效率。
-
公开(公告)号：CN114492501A
公开(公告)日：2022-05-13
申请号：CN202111519739.X
申请日：2021-12-13
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于改进SMOTE算法的脑电信号样本扩充方法、介质及系统，使用脑电信号采集仪器采集脑电信号数据；对脑电信号进行包括带通滤波、基线校验、归一化在内的方法进行预处理，划分为测试数据集与训练数据集；使用改进的SMOTE算法对脑电信号进行样本筛选并作为原始样本；将样本分成safe、danger以及noise三种类型；使用幅频加噪技术对在原始样本的基础上合成人工样本，从而实现数据集的样本扩充，合并成为新的训练数据集；利用卷积神经网络进行性能测试。本发明相比其余传统脑电数据样本扩充方法能更有效地提升生成新样本的质量与数量，使得训练卷积神经网络时有效提取特征，提升分类准确度，一定程度上解决了脑电信号数据集样本量小的问题。
-
公开(公告)号：CN114254614A
公开(公告)日：2022-03-29
申请号：CN202111510160.7
申请日：2021-12-10
Applicant: 重庆邮电大学
IPC: G06F40/194 , G06F40/247 , G06F16/35
Abstract: 本发明公开了一种结合知网与词林的词语相似度获取方法及系统，利用《知网》义原层次树计算知网义原信息内容含量；并构建第一词语相似度计算模型；根据扩展版《同义词词林》词林拓扑树中的路径信息构建第二词语相似度计算模型；根据待测词语对在《知网》和扩展版《同义词词林》中的分布情况，综合两个计算模型的计算结果，获得待测词语对的最终词语相似度，在原本的信息内容含量的基础上引入义原节点的密度信息，能够得到更符合人类判断的词语相似度计算结果，同时在词林的计算过程中设置关于路径信息的权重参数，通过改变该参数的值，得到更高的皮尔森相关系数，更符合人类主观判断的结果，从而提高词语相似度的计算精度和范围。
-
公开(公告)号：CN114360041B
公开(公告)日：2025-04-15
申请号：CN202210013760.0
申请日：2022-01-06
Applicant: 重庆邮电大学
Abstract: 本发明公开了基于关键点检测和头部姿态的疲劳状态检测方法及系统，构建并训练主干网络采用深度可分离卷积网络的MMC多任务预测模型，获取单位时间内的若干帧人脸图像，采用MTCNN网络检测每张图像的人脸位置并裁剪出头部图像；将头部图像输入训练好的MMC多任务预测模型中，得到头部姿态角度和人脸关键点的位置信息；利用双阈值法分别判定头部、眼部和嘴部疲劳状态；设定相关系数综合判定人的疲劳状态，结合人脸关键点检测和头部姿态的相关性，采用主干网络为深度可分离卷积网络的MMC多任务预测模型，将两个任务放在同一个网络中同时进行，可以大幅度的减少需要的参数量和运算量，从而提高了模型的检测速度，进而达到实时的效果。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.018 seconds)
