-
公开(公告)号：CN114120421A
公开(公告)日：2022-03-01
申请号：CN202111458557.6
申请日：2021-12-01
Applicant: 重庆第二师范学院
Abstract: 本申请提供一种基于人脸图像的图像分割模型、方法、介质及设备，模型包括输入层、融合网络层和输出层；输入层对待分割人脸图像进行预处理，并将预处理后得到的多尺度特征图分别输出至融合网络层，多尺度特征图中包含多种不同采样程度的特征图；融合网络层包括U型网络和多个不同层次的FCN网络或VGG网络，每个层次的FCN网络或VGG网络分别嵌入U型网络中对应层次的编码单元和解码单元之间，作为该层次的融合网络，用于对该层次输入的特征图进行处理，并将经该层次融合网络处理后的特征图输出至输出层，不同采样程度的特征图对应输入不同层次的融合网络；输出层根据融合网络层输出的特征图，确定出分割后的人脸图像并输出。
-
公开(公告)号：CN114093010A
公开(公告)日：2022-02-25
申请号：CN202111508460.1
申请日：2021-12-10
Applicant: 重庆第二师范学院
Abstract: 本申请提供一种提升准确率的表情识别方法、装置、存储介质及设备，方法包括：获取目标人脸图像，其中，目标人脸图像内包含同一人物的脸部、脖子和双肩的图像；根据目标人脸图像，确定出人物的上身姿态；结合上身姿态，对脸部区域进行表情识别，确定出目标人脸图像中的人脸表情。这样的方式可以利用目标人脸图像中人物的上身姿态辅助脸部区域进行表情识别，从而能够对差异细微的人脸表情进行准确识别，有效提升人脸表情识别的准确率。
-
公开(公告)号：CN114093009A
公开(公告)日：2022-02-25
申请号：CN202111508336.5
申请日：2021-12-10
Applicant: 重庆第二师范学院
IPC: G06V40/16 , G06V10/764 , G06V10/42 , G06V10/80 , G06V10/46 , G06V10/32 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本申请提供一种人脸图像的表情识别模型、方法、存储介质及设备，人脸图像的表情识别模型包括图像输入单元、多层级网络单元和结果输出单元，图像输入单元用于获取输入图像，多层级网络单元用于根据输入图像和基于输入图像确定的多个区域图像，确定出多个预测类别分量，并将每个预测类别分量传递至结果输出单元，每个区域图像为图像输入单元基于输入图像和注意区域参数进行处理所得，注意区域参数为多层级网络单元基于对输入图像的处理所得。结果输出单元用于基于多层级网络单元输出的多个预测类别分量，确定出表情识别结果并输出。这样可以增加特征提取的深度，由此可以得到多种不同尺度的特征，丰富特征尺度，从而有利于提升人脸表情识别的精度。
-
公开(公告)号：CN113205439A
公开(公告)日：2021-08-03
申请号：CN202110630581.7
申请日：2021-06-07
Applicant: 重庆第二师范学院
Abstract: 本申请提供一种基于大数据的学生逃课监控方法及系统，利用课堂监测终端感应学生卡或智能终端，可以确定出该学生卡或该智能终端对应的唯一学生ID，并将其与该教室的当堂课程所对应的学生名单进行匹配验证；通过搜索预设范围内是否存在该唯一学生ID对应的智能终端，并基于搜索结果判断该唯一学生ID对应的学生是否找人代课，以及，在确定该唯一学生ID对应的学生找人代课时，确定其为逃课学生。这样的方式可以联合学生的学生卡和其使用的智能终端，从而利用学生几乎“手机不离身”的情况，识别智能终端与学生卡是否均在教室内，从而可以极为高效地识别出代课情况，能够有效打击代课之风，从而抑制逃课现象。
-
公开(公告)号：CN113254629B
公开(公告)日：2022-07-26
申请号：CN202110629607.6
申请日：2021-06-07
Applicant: 重庆第二师范学院
IPC: G06F16/335 , G06F16/35 , G06F16/36 , G06K9/62 , G06Q50/20
Abstract: 本申请提供一种基于人工智能的学习内容推荐方法及系统，通过获取学生的测试答卷，以及该测试答卷对应的知识点分布网络，并基于知识点分布网络对测试答卷中每个知识点的得分情况进行统计，输出图类统计结果。图类统计结果的输出，可以反映给学生本身，从而使得学生了解自己的知识掌握情况。而后根据图类统计结果，确定该学生的待提升知识点；从而确定出用于学习和/或测试待提升知识点的学习内容，并推送给该学生进行学习。这样可以实现自动化且精准的学习内容的推送，节约人力物力，且能够克服人为的偏差，能够克服人为疏漏，推送给学生更有价值的学习内容，提升学生的学习效率，且这样的方式无需教师心力交瘁，非常实用且有效。
-
Patent Agency Ranking
公开(公告)号：CN113254629A
公开(公告)日：2021-08-13
申请号：CN202110629607.6
申请日：2021-06-07
Applicant: 重庆第二师范学院
IPC: G06F16/335 , G06F16/35 , G06F16/36 , G06K9/62 , G06Q50/20
Abstract: 本申请提供一种基于人工智能的学习内容推荐方法及系统，通过获取学生的测试答卷，以及该测试答卷对应的知识点分布网络，并基于知识点分布网络对测试答卷中每个知识点的得分情况进行统计，输出图类统计结果。图类统计结果的输出，可以反映给学生本身，从而使得学生了解自己的知识掌握情况。而后根据图类统计结果，确定该学生的待提升知识点；从而确定出用于学习和/或测试待提升知识点的学习内容，并推送给该学生进行学习。这样可以实现自动化且精准的学习内容的推送，节约人力物力，且能够克服人为的偏差，能够克服人为疏漏，推送给学生更有价值的学习内容，提升学生的学习效率，且这样的方式无需教师心力交瘁，非常实用且有效。
-
公开(公告)号：CN119048671B
公开(公告)日：2025-03-18
申请号：CN202411086902.1
申请日：2024-08-08
Applicant: 重庆第二师范学院
IPC: G06T17/00 , G06T5/77 , G06T5/60 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及图像处理技术领域，公开了一种基于密集大核注意力的稀疏CT投影重建方法，包括以下步骤：采用三次样条插值法对稀疏正弦图进行插值，得到初始的伪影正弦图；引入包含密集子块、大核注意力子块与卷积层的密集大核注意力块，构建密集大核注意力编解码网络模型；将初始的伪影正弦图与非稀疏正弦图输入密集大核注意力编解码网络模型进行训练，学习伪影正弦图与非稀疏正弦图的误差，得到训练好的密集大核注意力编解码网络模型；重新获取稀疏正弦图并输入训练好的密集大核注意力编解码网络模型中，得到修复的正弦图后用滤波反投影方法进行重建，得到高质量的CT图像；该方法减少了输出结果与标签值之间的误差，提高了模型性能与预测精度。
-
公开(公告)号：CN114120421B
公开(公告)日：2024-11-22
申请号：CN202111458557.6
申请日：2021-12-01
Applicant: 重庆第二师范学院
Abstract: 本申请提供一种基于人脸图像的图像分割模型、方法、介质及设备，模型包括输入层、融合网络层和输出层；输入层对待分割人脸图像进行预处理，并将预处理后得到的多尺度特征图分别输出至融合网络层，多尺度特征图中包含多种不同采样程度的特征图；融合网络层包括U型网络和多个不同层次的FCN网络或VGG网络，每个层次的FCN网络或VGG网络分别嵌入U型网络中对应层次的编码单元和解码单元之间，作为该层次的融合网络，用于对该层次输入的特征图进行处理，并将经该层次融合网络处理后的特征图输出至输出层，不同采样程度的特征图对应输入不同层次的融合网络；输出层根据融合网络层输出的特征图，确定出分割后的人脸图像并输出。
-
公开(公告)号：CN114120422A
公开(公告)日：2022-03-01
申请号：CN202111459474.9
申请日：2021-12-01
Applicant: 重庆第二师范学院
Abstract: 本申请提供一种基于局部图像数据融合的表情识别方法及装置，包括：获取包含目标人脸的灰度图像和深度图像；对灰度图像进行预处理，进一步确定出目标人脸的图像嘴部长度；将图像嘴部长度与目标人脸对应的参考嘴部长度进行比较，确定出比较结果；基于比较结果，确定出精准融合区域和粗糙融合区域，其中，精准融合区域和粗糙融合区域均属于目标人脸中的部分区域；基于精准融合区域和粗糙融合区域，对预处理后的灰度图像和预处理后的深度图像进行精度差异化的图像融合；对融合后的人脸图像进行表情识别，确定出目标人脸在该时刻的表情。这样可以提升人脸表情识别的准确性和稳定性。
-
公开(公告)号：CN110766696A
公开(公告)日：2020-02-07
申请号：CN201910957993.4
申请日：2019-10-10
Applicant: 重庆第二师范学院
Abstract: 本发明属于图像分析及分割技术领域，公开了一种基于改进的粗糙集聚类算法的卫星图像分割方法，初始化，对蚂蚁进行量子编码；量子蚁群中的每只蚂蚁进行选择要移动的目标，蚂蚁的移动用量子旋转门实现；每只蚂蚁通过信息素路径选择规则选择出一条路径，计算出其对应的的适应度值；记录最优解；更新局部信息素和全局信息素，并用Pauli-Z变异；是否满足收敛条件；将得到的聚类中心作为粗糙集FCM方法初始化聚类中，初始化各参数；计算粗糙集FCM隶属度；输出分割结果。本发明克服了FCM算法对初始参数敏感性的不足，与其他算法相比较有显著的效果。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.018 seconds)
