公开(公告)号：CN118261781A

公开(公告)日：2024-06-28

申请号：CN202410206205.9

申请日：2024-02-26

申请人： 重庆邮电大学

发明人： 舒禹程 ,  黄钰涵 ,  乔丽红 ,  肖斌 ,  李伟生

IPC分类号： G06T3/14 ,  G06T7/33 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

摘要： 本发明涉及一种基于域对抗的跨模态医学图像配准方法，包括：将固定图像和移动图像输入双路编码器进行特征提取；根据固定图像特征和移动图像特征利用域判别器预测固定图像和移动图像分类到各个域的概率，并根据固定图像和移动图像分类到各个域的概率构建交叉熵损失函数；根据固定图像特征和移动图像特征利用形变场生成器生成形变场，根据形变场构建平滑损失函数；利用空间变换器将形变场添加到移动图像上，使移动图像的体素按照形变场来进行空间位移得到配准后的扭曲图像；根据配准后的扭曲图像和固定图像构建相似度损失函数，根据交叉熵损失函数、平滑损失函数和相似度损失函数构建网络的总损失函数对网络的参数进行更新。

公开(公告)号：CN118097337A

公开(公告)日：2024-05-28

申请号：CN202410275457.7

申请日：2024-03-12

申请人： 重庆邮电大学

发明人： 毕秀丽 ,  杨宗霖 ,  肖斌

IPC分类号： G06V10/774 ,  G06V10/44 ,  G06V10/74 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/094 ,  G06N3/0895 ,  G06N3/088

摘要： 本发明涉及对抗防御技术，具体涉及一种用于对抗样本的零样本自监督提纯方法，包括获取对抗样本及其模糊图像并提取两者的特征嵌入，根据特征嵌入进行粗略对齐处理得到粗糙移动结果；根据粗糙移动结果进行精细对齐处理，得到提纯样本；该方法灵活且轻量级，大大节省了时间和计算资源。

公开(公告)号：CN117496135A

公开(公告)日：2024-02-02

申请号：CN202311225956.7

申请日：2023-09-21

申请人： 重庆邮电大学

发明人： 乔丽红 ,  李志翔 ,  肖斌 ,  舒禹程

IPC分类号： G06V10/26 ,  G06V10/30 ,  G06V10/32 ,  G06V10/46 ,  G06V10/82 ,  G06V20/70 ,  G06N3/045 ,  G06N3/08

摘要： 本发明公开了一种大模型高效调优的任意形状智能分割算法，使用循环先验知识嵌入模块，根据模型先验知识的理解，能够有效生成可调视觉提示，自适应的改变图像语义。使用语义相关适配器能够同时调优ViT模块中冻结的多头注意力层和前向传播层，可以更好的利用适配器增加的小部分参数，达到高效调优的目的。使用任务判别投影层聚合ViT主干中不同阶段的深浅特征，学习特定任务的判别特征，最终通过任务头得到高质量分割掩码。经过实验表明，本发明的模型可训练参数量只有总参数量的7%，且在心脏数据集上的分割结果分数达到91.48%。

公开(公告)号：CN117351568A

公开(公告)日：2024-01-05

申请号：CN202311389213.3

申请日：2023-10-24

申请人： 重庆邮电大学

发明人： 石宇航 ,  乔丽红 ,  舒禹程 ,  肖斌

IPC分类号： G06V40/20 ,  G06V40/10 ,  G06V10/44 ,  G06V10/80 ,  G06V10/52 ,  G06V10/774 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/096 ,  G06N3/091

摘要： 本发明属于图像识别技术领域，具体涉及一种基于对偶分支联合矫正的手势识别方法；包括：采用卷积层对手势图像数据进行下采样，得到中间特征；将中间特征输入到学习网络中进行处理，得到第一手势识别预测结果；计算交叉熵损失；将数据扩充后的手势图像输入到引导网络中进行处理，得到第二手势识别预测结果；引导网络通过指数平滑平均调整参数；根据第一、第二手势识别预测结果以及交叉熵损失计算模型总损失并调整学习网络参数，得到训练好的对偶分支联合矫正的半监督手势识别模型；获取手势雷达数据并根据手势雷达数据生成手势图像数据；将手势图像数据输入到训练好的识别模型中进行处理，得到手势识别结果；本发明手势识别准确率高。

公开(公告)号：CN116630734A

公开(公告)日：2023-08-22

申请号：CN202310236245.3

申请日：2023-03-13

申请人： 重庆邮电大学

发明人： 肖斌 ,  张乐

IPC分类号： G06V10/774 ,  G06V10/778 ,  G06V10/80 ,  G06V10/82 ,  G06V10/94 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0455 ,  G06N3/091 ,  G06N3/094 ,  G06N3/096 ,  G06F21/62

摘要： 本发明请求保护一种基于差分隐私的带标签数据合成方法、系统及介质，涉及图像处理、计算机视觉、机器学习，隐私保护等技术领域。具体步骤为：1)搜集并整理包含高度隐私信息的图像样本；2)将私有图像利用差分隐私的方式训练一个生成模型用以生成合成数据；3)将私有图像利用知识迁移和差分隐私的方式训练一个学生模型；4)利用学生模型对合成数据赋予伪标签；5)将合成数据和伪标签对齐，得到与私有数据集同分布的带标签合成数据。本方法将原始图像利用差分隐私的方式通过合成数据集的形式发布，保护了原始数据集的隐私，并且合成的数据集带有高质量的伪标签，可应用于人脸识别、目标识别等实时场景中，具有实际意义。

公开(公告)号：CN116612291A

公开(公告)日：2023-08-18

申请号：CN202310259885.6

申请日：2023-03-16

申请人： 重庆邮电大学

发明人： 毕秀丽 ,  廖钰 ,  肖斌 ,  刘波

IPC分类号： G06V10/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/20 ,  G06V10/50

摘要： 本发明公开了一种基于频率域的图像全局操纵取证方法，涉及数字图像处理、计算机视觉、信号处理、机器学习等技术领域。具体步骤为：1)搜集并整理公开的图像样本；2)对公开的图像进行一种或多种典型的图像操作，以构建图像数据集并通过标注获得被操纵图像的标签。3)基于图像直方图和细节图的频率域进行取证特征提取；4)利用训练得到的模型对多种图像全局操纵的取证频率特征进行测试，得到最终分类结果。本方法利用所提出的取证频率特征，结合经过KNN分类器训练得到的模型可以对现实中的多种图像全局操纵进行检测，也可以检测网络生成的图像。该发明具有实际意义，并且在后续取证任务中表现出良好的检测性能。

公开(公告)号：CN116468888A

公开(公告)日：2023-07-21

申请号：CN202310309481.3

申请日：2023-03-28

申请人： 重庆邮电大学

发明人： 舒禹程 ,  兰尹 ,  肖斌 ,  李伟生

IPC分类号： G06V10/26 ,  G06V10/774 ,  G06V10/764

摘要： 本发明属于计算机视觉领域，具体涉及一种基于双网络协同分割模型的图像语义分割方法，包括：建立构建双网络协同分割模型，对于带标签数据采用全监督学习的方式进行模型的训练，对于无标签数据采跨网络相互学习的方法进行半监督学习进模型的训练，将待分割的图像输入训练好的双网络协同分割模型，得到分割结果；本发明基于标签空间和特征空间的相互互补学习，实现了对大量无标签数据的高效利用和开发，缓解了目前全监督深度学习模型训练需要高质量、高成本、极耗时的标签需求，在保证分割模型的性能时进一步让模型的训练成本大大降低，并能够部署于各种的智能系统，具有较高的实际应用价值。

公开(公告)号：CN116152565A

公开(公告)日：2023-05-23

申请号：CN202310185625.9

申请日：2023-03-01

申请人： 重庆邮电大学

发明人： 毕秀丽 ,  杨帆 ,  肖斌

IPC分类号： G06V10/764 ,  G06V10/30 ,  G06V10/82 ,  G06V10/80 ,  G06N3/084

摘要： 本发明通过搜集大量图像样本获取训练集和测试集，提取噪声图及其振幅谱和相位谱输入分类网络，从而得到训练好的分类网络模型。测试时，输入一幅图像提取噪声图，再将噪声图输入到分类网络中即可判别此图像的真伪，无需任何预处理和后处理操作。本发明利用数字图像处理、计算机视觉、深度学习等技术，实现了图像验真检测任务，且利用特征融合模块来使网络同时学习空间域信息与频率域信息，充分利用空间域和频率域，减少特征冗余，提高特征的利用率，测试准确率在92％左右，可较为准确辅助相关的图像取证或图像安全工作，降低生成图像对个人和社会带来的不利影响。

公开(公告)号：CN114782503A

公开(公告)日：2022-07-22

申请号：CN202210337610.5

申请日：2022-04-01

申请人： 重庆邮电大学

发明人： 舒禹程 ,  侯宗壮 ,  肖斌 ,  李伟生

IPC分类号： G06T7/33 ,  G06N3/04 ,  G06N3/08

摘要： 本发明属于计算机视觉图形学领域，具体涉及一种基于多尺度特征相似度约束的点云配准方法及系统，通过对点的匹配可信度进行主动评估，同时采用注意力融合机制的网络提取区分性的特征，同时使用双向的交替对应搜索机制和灵活的错位损失函数来进行鲁棒学习，引入一致性约束下的点对权重分配方案，最后以加权SVD求出变换矩阵，提升了配准的精度，本发明能够在点云间建立鲁棒的对应关系，提升深度模型对点云配准的效果，促进了相关技术领域的发展。

公开(公告)号：CN114663663A

公开(公告)日：2022-06-24

申请号：CN202210214683.5

申请日：2022-03-07

申请人： 重庆邮电大学

发明人： 肖斌 ,  石郸钰 ,  毕秀丽

IPC分类号： G06V10/28 ,  G06V10/764 ,  G06V10/774 ,  G06V10/40 ,  G06K9/62

摘要： 本发明公开了一种基于尺度共生局部二值模式的图像识别方法，涉及数字图像处理、计算机视觉等技术领域。具体步骤为：1)通过模拟尺度变换，构造图像的LBP共生空间，提取其中稳定的结构信息；2)用LBP共生空间中的跨尺度共生对表示稳定的结构信息。这些跨尺度共生对即使在图像被缩放的情况下也能保持良好的描述能力；3)提出旋转一致性调整策略，对这些跨尺度共生对进行统一的调整，以增强其旋转不变性。本方法充分利用跨尺度共生对和旋转一致性调整策略，使其具有理想的几何不变性，在特征维度较低的情况下取得了与基于共生的LBP方法同样好的图像描述能力。