公开(公告)号：CN116934606A

公开(公告)日：2023-10-24

申请号：CN202210364766.2

申请日：2022-04-08

申请人： 四川大学

发明人： 何小海 ,  刘屹霄 ,  滕奇志 ,  陈洪刚 ,  任超

IPC分类号： G06T5/00 ,  G06T5/50 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/044 ,  G06N3/08

摘要： 本发明公开了一种基于退化模型深度递归网络的全色锐化方法。主要包括以下步骤：分析构建高分辨率多光谱图像的降质模型；根据降质模型获得全色图像与低分辨率多光谱图像基于全局非线性平滑约束的最大后验概率表达式；搭建残差组卷积神经网络模块分别替换全色图像与低分辨率多光谱图像的表达式中的各个环节；针对分别构建的全色图像和低分辨率多光谱图像表达网络进行交替串联连接构成深度递归融合网络；利用训练数据集统一训练该深度递归融合网络，输出最终的融合结果。本发明所述方法能获得很好的主客观效果，并使网络具有一定可解释性。因此，本发明是一种有效的基于退化模型深度递归网络的全色锐化方法。

公开(公告)号：CN116934583A

公开(公告)日：2023-10-24

申请号：CN202210337041.4

申请日：2022-04-01

申请人： 四川大学

发明人： 何小海 ,  翟国伟 ,  王正勇 ,  任超 ,  刘屹霄 ,  熊淑华 ,  陈洪刚

IPC分类号： G06T3/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048

摘要： 本发明公开了一种基于深浅特征融合网络的遥感图像超分辨率算法，其实现过程包括：构建双路特征提取与融合网络，以充分利用不同深度的特征信息进行重建；构建通道多尺度注意力子模块和宽激活残差子模块，并结合两个子模块构成宽激活多尺度注意力主模块，利用主模块对两个支路同步进行特征提取，在有效利用多尺度信息引导特征提取的同时，不带来额外的参数量；最后将特征提取阶段提取到的两路特征各自通过一个反卷积层和一个像素重组模块进行特征重建，并通过融合模块对重建之后的特征进行融合。相比现有技术，本发明提出的方法在保证了低参数量的同时获得了更好的主客观效果，在卫星侦测、智能监控以及自动驾驶领域有空阔的应用场景。

公开(公告)号：CN116758363A

公开(公告)日：2023-09-15

申请号：CN202210209127.9

申请日：2022-03-03

申请人： 四川大学

发明人： 何小海 ,  曾王明 ,  陈洪刚 ,  熊书琪 ,  吴晓红 ,  王正勇

IPC分类号： G06V10/774 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06V20/10 ,  G06V20/13 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084 ,  G06N3/096

摘要： 本发明提出了一种权重自适应与任务解耦的旋转目标检测器。首先，利用标签信息统计每个类别的数量并计算各自的概率，再对各个类别的概率进行Huffman编码，得到编码权重，在计算预测值和one‑hot标签的BCE损失时，将每个类别的计算结果乘上各自类别的编码权重。其次，将yolov5‑obb检测器的检测头进行解耦操作，采用两个不同的1×1卷积对分类和回归任务进行各自预测，同时，还引入了EIOU损失来代替CIOU提高定位准确性，最终提高遥感场景下目标检测精度。本发明主要应用于遥感场景下的任务精化及长尾目标检测，在遥感目标检测，国防科技及军事等领域具有开阔的应用前景。

公开(公告)号：CN116758324A

公开(公告)日：2023-09-15

申请号：CN202210218806.2

申请日：2022-03-03

申请人： 四川大学

发明人： 何小海 ,  张津 ,  卿粼波 ,  陈洪刚 ,  吴小强 ,  滕奇志

IPC分类号： G06V10/764 ,  G06V10/80 ,  G06T7/00 ,  G16H50/20 ,  G16H50/70

摘要： 针对阿尔茨海默病辅助诊断任务，本发明公开了一种基于多尺度特异性区域的阿尔茨海默病分类方法。充分关注PET影像中与疾病相关区域的代谢水平，减少其他冗余信息的干扰是该任务的关键。本发明设计了基于显著性引导定位的多尺度特异性区域定位模块，以无监督的方式关注PET影像中与疾病相关的特异性区域，提升辅助诊断的可解释性。针对提取的多尺度特异性区域，设计融合特异性区域的辅助诊断网络，减少PET影像中的其他干扰特征以提升分类准确率。本发明基于深度学习的特性和优势，结合PET影像的特点，设计了基于多尺度特异性区域的阿尔茨海默病分类网络，在医学图像分析、阿尔茨海默病辅助诊断等方面有广阔的应用前景。

公开(公告)号：CN111815686B

公开(公告)日：2023-08-18

申请号：CN201910294052.7

申请日：2019-04-12

申请人： 四川大学

发明人： 何小海 ,  胡加涛 ,  吴晓红 ,  滕奇志 ,  卿粼波 ,  吴小强 ,  王正勇

IPC分类号： G06T7/33

摘要： 本发明提供了一种基于几何特征由粗到细点云配准方法，主要涉及三维重建和计算机视觉领域中两个视角点云配准问题。该方法包括粗配准和细配准两个阶段。在粗配准阶段，通过投影法提取源点云和目标点云各4个特征点，然后利用曲率特征和匹配点之间的距离匹配稳健的特征点对，计算得到初始刚性变换参数；细配准阶段，计算点云法向量及法向量夹角，以法向量为特征进行特征匹配，然后使用法向量夹角来启发搜索，使两点云快速收敛。本发明所提出的由粗到细的配准方法在一定程度上解决了传统ICP配准方法迭代速度慢和配准精度低的问题。

公开(公告)号：CN113762007B

公开(公告)日：2023-08-01

申请号：CN202011263894.5

申请日：2020-11-12

申请人： 四川大学

发明人： 陈洪刚 ,  李自强 ,  王正勇 ,  何小海 ,  刘强 ,  吴晓红 ,  熊书琪

IPC分类号： G06V20/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

摘要： 本发明公开了一种基于外观和动作特征双预测的异常行为检测方法，涉及计算机视觉和人工智能领域。方法包括：(1)顺序读取视频帧序列，计算相邻图像的帧间差，获取固定长度的视频帧序列和对应的帧差图序列；(2)利用引入记忆增强模块的双流网络模型，分别通过外观和动作子网络提取属于正常行为的特有外观和动作特征，并预测视频帧图和帧差图；(3)将预测的视频帧和帧差图相加融合，得到最终的预测视频帧；(4)通过评估记忆增强模块所提取动作和外观特征以及最终预测图像质量获取该帧异常得分。本发明采用基于预测模型的深度学习方法，能够有效地将含异常行为的视频帧检测出来，提高了异常检测的准确率。

公开(公告)号：CN114822587B

公开(公告)日：2023-07-14

申请号：CN202110066946.8

申请日：2021-01-19

申请人： 四川大学

发明人： 陈洪刚 ,  陈露 ,  周欣 ,  何小海 ,  王正勇 ,  卿鳞波 ,  滕奇志

IPC分类号： G10L25/18 ,  G10L25/51 ,  G10L25/27

摘要： 本发明提出了一种基于常数Q变换的音频特征压缩方法用于重放攻击检测，在保证重放攻击检测高性能的同时，大幅度减小数据量、提高模型训练和检测速度、降低设备要求。为了保证检测的高性能，根据CQT变换中分帧特点，选择在时间帧上用求和的方式实现最终的压缩目的，以期不会丢失有效信息。同时对应设计的一维模块的残差网络模型，通过减少网络各层的输出通道数以减少数据量，从而进一步提高训练和检测速度。本发明模型在ASVspoof2019挑战赛的PA数据集上进行实验，在测试集上展现了良好的重放攻击检测性能，并且，与未压缩的特征‑模型相比，模型训练和测试耗时锐减、设备要求较低。

公开(公告)号：CN114120018B

公开(公告)日：2023-07-11

申请号：CN202010860956.4

申请日：2020-08-25

申请人： 四川大学

发明人： 卿粼波 ,  刘博 ,  王正勇 ,  牛通 ,  何小海 ,  任超

IPC分类号： G06V10/762 ,  G06V10/74

摘要： 本发明提供了一种基于人群聚类轨迹熵的空间活力量化方法，主要涉及利用空间轨迹熵的概念量化人群聚类轨迹数据并对公共空间活力分析。该方法包括：人群轨迹聚类方法采用匹配轨迹段间的余弦相关性和临近匹配点数改进相似性度量，并基于轮廓系数作为评价指标自动寻找聚类簇数。利用轨迹聚类结果计算空间轨迹熵，其描述空间中轨迹分布的不均匀性和不确定性，从而表征空间活力状态。本发明充分考虑了人群轨迹在空间中运动模式和类别特征分析空间活力状态。同时，采用信息熵值计算方法更好地处理了城市空间活力量化的问题，有效避免了传统方法主观因素多的问题，为城市规划领域研究空间活力量化提供了新思路。

公开(公告)号：CN114119872B

公开(公告)日：2023-05-12

申请号：CN202111409654.6

申请日：2021-11-25

申请人： 四川大学华西医院

发明人： 杨毅 ,  刘浩 ,  张翔 ,  任超 ,  何小海 ,  滕奇志

IPC分类号： G06T17/00 ,  G06V10/74 ,  G06V10/764 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/82

摘要： 本发明涉及脊柱内植物3D打印领域，具体涉及一种基于人工智能大数据分析3D打印脊柱内植物的方法，实现了对患者脊柱植入物的精确快速匹配打印。本发明技术方案包括：收集脊柱影像学数据，对脊柱影像中的椎体区域进行特征分割，然后根据分割后的椎体图像特征重建三维椎体结构模型，对模型进行撒三维测量，定位椎体终板结构特征点，再根据终板结构特征点提取椎体终板区域，并得到终板的三维形态数据，对终板的三维形态数据进行分类，构建脊柱尺寸数据库，然后设计与分类终板匹配的脊柱内植物，最后导入患者的脊柱影像数据，自动判断分类并选择对应内植物进行3D打印。本发明适用于脊柱内植物快速精确匹配批量打印。

公开(公告)号：CN114612927B

公开(公告)日：2023-05-09

申请号：CN202011425821.1

申请日：2020-12-09

申请人： 四川大学

发明人： 何小海 ,  齐宝光 ,  刘强 ,  陈洪刚 ,  吴晓红 ,  吴小强 ,  滕奇志

IPC分类号： G06V40/10 ,  G06V20/52 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06F40/20 ,  G06N3/044 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种基于图像文本双通道联合的行人重识别方法，使用文本通道对图像通道进行辅助学习完成行人重识别的任务。在图像通道设计了局部特征分支和全局特征分支，使用局部特征注意到更多的细节信息，比如非遮挡区域，使用全局特征加强网络对图像整体的关注力；在文本通道提取出文本特征计算ID损失，并且将其与图像的全局特征进行联合训练，计算三元组损失，以实现文本特征对视觉特征的辅助。最后得到能够提取出更多细节信息的重识别网络，测试时仅使用图像通道即可得到较优的检索结果，证明了文本特征对视觉特征辅助的有效性。该方法适用于智能安防领域和智慧商业领域，例如人员追踪、顾客轨迹分析、景区人流分析。