-
公开(公告)号：CN118195947A
公开(公告)日：2024-06-14
申请号：CN202410489111.7
申请日：2024-04-23
申请人： 重庆理工大学
IPC分类号： G06T5/70 , G06T5/60 , G06N3/0464 , G06N3/0455
摘要： 本发明公开了基于全局‑局部光照感知的低光图像增强方法及系统，涉及低光图像增强技术领域；该方法包括如下步骤：S1、将原始低光图像通过第一卷积层得到基础特征；S2、将基础特征输入由多个Block组成的编解码结构中进行增强得到深层特征，每个Block内部包括多级特征提取模块和多级注意力融合模块；所述多级特征提取模块用于进行全局信息和局部信息的提取，所述多级注意力融合模块用于对两部分信息进行筛选及向后传递；S3、将深层特征与原始低光图像进行融合得到增强图像；S4、将增强图像输入基于密集残差连接的图像降噪网络进行降噪。本发明中低光图像增强方法能够有效结合图像的全局和局部信息，解决光照分布不均匀的问题，同时减少增强图像的噪声。
-
公开(公告)号：CN117523150A
公开(公告)日：2024-02-06
申请号：CN202311469702.X
申请日：2023-11-07
申请人： 重庆理工大学
摘要： 本发明涉及三维人体运动生成技术领域，尤其涉及一种基于动作和风格的三维人体运动生成方法。步骤如下：用时空提取器来从运动序列中提取特征；用三维人体运动序列来训练模型的运动生成能力；用自适应实例标准化层来实现风格的注入。本发明提供的一种基于动作和风格的三维人体运动生成方法，通过时空提取器，从时间和空间维度上提取运动特征，提高了运动生成的准确率和结果的多样性；使用真实的运动片段来提供风格，并利用Ada I N进行风格注入，从而生成具有独特风格特征的运动序列。
-
公开(公告)号：CN117475162A
公开(公告)日：2024-01-30
申请号：CN202311351096.1
申请日：2023-10-18
申请人： 重庆理工大学
IPC分类号： G06V10/40 , G06V10/80 , G06V10/82 , G06V10/774 , G06V20/64 , G06N3/0464
摘要： 本发明涉及网络技术领域，尤其涉及一种用于点云补全的特征提取与点云生成方法。步骤如下：由编码器—解码器结构构成模型，包括特征提取器F、缺失点云生成器G和缺失点云鉴别器D。本发明提供的一种用于点云补全的特征提取与点云生成方法，通过结合偏移注意力的特征提取模块，有效加强了模型对点云局部和全局特征的提取能力；将提取到的特征从不同尺度和不同维度进行融合连接，提高点云数据的表示能力，使得关注的特征更加丰富；通过种子生成模块与分层的特征金字塔相结合的缺失点云生成器模块，能够保证预测的缺失点云的整体架构完整和清晰。
-
公开(公告)号：CN118415648A
公开(公告)日：2024-08-02
申请号：CN202410455554.4
申请日：2024-04-16
申请人： 重庆理工大学
IPC分类号： A61B5/349 , G16H50/20 , G06N3/09 , G06N3/0464 , G06F18/241 , A61B5/00 , A61B5/0245 , A61B5/024
摘要： 本发明公开了一种基于监督型对比学习的心律失常分类辅助诊断方法，涉及心电分类技术领域。本发明模仿了图片的数据增强方法，对心电信号采用了两种不同的小波变换(比例＝0.5)+分段随机遮挡的方法，在对比学习模型中，合适的数据增强方法至关重要，本发明所采用的方法对正样本对的对比有正向作用，且本发明选择了合适的一维编码器xresnet101，能更好的提取心电信号的特征，为心电信号的学习打下基础，且本发明在预训练阶段引入少量的标签信息，扩展了正样本的选择范围至同类数据及其经过数据增强处理的版本，有效地减少了错误负样本对分类精度的不良影响，这一策略不仅显著提升了分类的准确度，还增强了模型在识别不同心律类型时的能力。
-
公开(公告)号：CN117541905A
公开(公告)日：2024-02-09
申请号：CN202311469706.8
申请日：2023-11-07
申请人： 重庆理工大学
摘要： 本发明涉及交互识别技术领域，尤其涉及一种基于骨架的交互识别的融合分裂图卷积网络。步骤如下：构建融合分裂图；将交互式注意力编码模块与融合分裂图结合形成融合分裂图卷积；通过短时依赖模块、融合分裂图卷积和层次引导注意力模块形成融合分裂图卷积网络。本发明提供的一种基于骨架的交互识别的融合分裂图卷积网络，通过短期依赖模块、融合分裂图卷积和层次引导注意力模块，以提取交互行为之间的相关特征；融合分裂图卷积通过将两人的节点信息融合到相同的语义空间中，并将它们分裂成层次集合，以提取相同语义空间内的特征，从而集成了一个融合分裂图；短期依赖模块提取交互行为的空间和运动特征。
-
公开(公告)号：CN118115378B
公开(公告)日：2024-09-27
申请号：CN202410207897.9
申请日：2024-02-26
申请人： 重庆理工大学
IPC分类号： G06T5/70 , G06T5/94 , G06T5/77 , G06N3/04 , G06N3/08 , G06V10/80 , G06V10/44 , G06V10/42 , G06N3/048 , G06N3/0985 , G06N3/0464
摘要： 本发明涉及低光图像技术领域，尤其涉及基于流学习的图像层次结构网络的低光图像增强方法。步骤如下：由图像层次结构网络和基于归一化流学习的可逆网络构成FI HN结构；使用负对数似然损失函数对网络进行训练。本发明提供的基于流学习的图像层次结构网络的低光图像增强方法，FI HN由图像层次结构网络和基于归一化流的可逆网络组成；图像层次结构网络从局部、区域和全局三个维度对图像信息进行提取，以此得到尽可能多的图像信息；在负对数似然损失函数的约束下，基于归一化流的可逆网络能够充分学习正常曝光图像的复杂分布，避免输出大量噪声。
-
公开(公告)号：CN118135099A
公开(公告)日：2024-06-04
申请号：CN202410154323.X
申请日：2024-02-02
申请人： 重庆理工大学
摘要： 本发明公开了一种用于3D人体姿态估计的多关系编码器，涉及计算机视觉和人机交互技术领域；该多关系编码器采用多关系编码器网络，多关系编码器网络包括注意力模块和图卷积模块；注意力模块，改进为自适应多关系注意力模块，自适应多关系注意力模块包括注意力矩阵、关节自相似矩阵和预定义的骨骼邻接矩阵三个矩阵，三个矩阵分别用于捕获关节的隐式关系、显式关系和固有物理拓扑关系，自适应多关系注意力模块用于捕获关节的全局特征；图卷积网络模块，通过两个GCN的串联，以及层归一化和残差连接得到，图卷积网络模块用于捕获相邻关节之间的局部特征。本发明实现了人体姿态的多关系表示学习和全局到局部建模过程，获得准确的三维姿态估计。
-
公开(公告)号：CN118115378A
公开(公告)日：2024-05-31
申请号：CN202410207897.9
申请日：2024-02-26
申请人： 重庆理工大学
IPC分类号： G06T5/70 , G06T5/94 , G06T5/77 , G06N3/04 , G06N3/08 , G06V10/80 , G06V10/44 , G06V10/42 , G06N3/048 , G06N3/0985 , G06N3/0464
摘要： 本发明涉及低光图像技术领域，尤其涉及基于流学习的图像层次结构网络的低光图像增强方法。步骤如下：由图像层次结构网络和基于归一化流学习的可逆网络构成FI HN结构；使用负对数似然损失函数对网络进行训练。本发明提供的基于流学习的图像层次结构网络的低光图像增强方法，FI HN由图像层次结构网络和基于归一化流的可逆网络组成；图像层次结构网络从局部、区域和全局三个维度对图像信息进行提取，以此得到尽可能多的图像信息；在负对数似然损失函数的约束下，基于归一化流的可逆网络能够充分学习正常曝光图像的复杂分布，避免输出大量噪声。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.028 秒)
