-
公开(公告)号:CN114022916B
公开(公告)日:2024-07-23
申请号:CN202110430028.9
申请日:2021-04-21
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明请求保护一种基于可视化脸型判断的面部美学评估方法及存储介质,包括步骤:S1对面部图像进行标记点定位;S2通过B样条函数对面部轮廓标记点进行插值建模;S3根据插值曲线求面部轮廓曲率特征;S4根据面部表情研究理论提取几何特征;S5通过Garbor滤波器提取纹理特征;S6通过卷积神经网络VGG提取肤色和头发等特征;S7将上述四种特征融合,采用支持向量机SVR对面部美学进行评估。本发明结合B样条、Garbor滤波和深度学习算法提取混合特征来描述面部美学。使得最终的特征涵盖了整个面部信息。
-
公开(公告)号:CN119863431A
公开(公告)日:2025-04-22
申请号:CN202411901802.X
申请日:2024-12-23
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06T7/246 , G06T7/80 , G06T5/60 , G06T5/73 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及一种基于DeblurGAN‑v2与YOLOv5的移动场景下木材计数方法,属于信息技术领域。旨在解决现有技术中无法有效处理运动模糊图像,导致木材计数精度低、效率低下的问题。该方法利用工业相机采集移动场景中木材的运动模糊图像,并通过可视化图像标定工具对图像中的木材边界进行标记,构建原始数据集。将原始数据集输入DeblurGAN‑v2模型进行预处理操作,生成清晰图像,构建去模糊数据集。将去模糊数据集训练并建立基于YOLOv5的木材检测模型,并进行模型评估。将去模糊数据集中的图像输入训练好的YOLOv5模型进行预测,识别并计数图像中的木材。本发明显著提升了移动环境中木材计数的准确性和效率。
-
公开(公告)号:CN119808582A
公开(公告)日:2025-04-11
申请号:CN202510008673.X
申请日:2025-01-03
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度学习的三维自动装箱系统及方法,属于信息技术领域。旨在解决当前码头木材装卸工艺中存在的效率低下、空间利用率不足以及安全性隐患等问题。该系统通过将集装箱空间离散化为三维网格结构,并利用贪心算法和深度强化学习中的DQN算法,根据木材尺寸、形状和集装箱状态,动态选择最优放置位置,实现木材的自动装箱。系统通过评估剩余空间大小和稳定性指标,并结合奖励机制,不断优化放置策略,最大化集装箱的空间利用率。本发明有效提高了木材装载的效率和安全性,降低了人工操作强度,并可根据实际情况灵活调整放置策略,适用于码头木材装卸等多种场景。
-
公开(公告)号:CN119599963A
公开(公告)日:2025-03-11
申请号:CN202411633754.0
申请日:2024-11-15
Applicant: 重庆邮电大学 , 重庆航运建设发展(集团)有限公司
IPC: G06T7/00 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及一种复杂环境下基于Yolov9‑UNet的原木计数方法,属于图像处理技术领域。该方法包括:将Transformer嵌入到UNet中,形成Trans‑UNet模块;将Trans‑UNet模块与Yolov9结合,形成Yolov9‑UNet模型;采集训练数据对Yolov9‑UNet模型进行训练,参考GAN网络的训练过程,分别训练Trans‑UNet模块和Yolov9;采集包含原木端面的图像并进行归一化处理,将归一化处理的图像输入训练好的Yolov9‑UNet模型中,得到原木检测框,并对检测框进行统计得到原木数目。本发明可实现对不同场景下图像的有效恢复,实现在复杂环境中进行原木计数。
-
公开(公告)号:CN114022916A
公开(公告)日:2022-02-08
申请号:CN202110430028.9
申请日:2021-04-21
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明请求保护一种基于可视化脸型判断的面部美学评估方法及存储介质,包括步骤:S1对面部图像进行标记点定位;S2通过B样条函数对面部轮廓标记点进行插值建模;S3根据插值曲线求面部轮廓曲率特征;S4根据面部表情研究理论提取几何特征;S5通过Garbor滤波器提取纹理特征;S6通过卷积神经网络VGG提取肤色和头发等特征;S7将上述四种特征融合,采用支持向量机SVR对面部美学进行评估。本发明结合B样条、Garbor滤波和深度学习算法提取混合特征来描述面部美学。使得最终的特征涵盖了整个面部信息。
-
-
-
-