-
Patent Agency Ranking
公开(公告)号：CN109086723A
公开(公告)日：2018-12-25
申请号：CN201810890473.1
申请日：2018-08-07
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于迁移学习的人脸检测的方法、装置、设备及计算机可读存储介质，包括：依据源数据集中的人脸图像的大小对采集到的目标数据集中的人脸图像进行归一化处理；对所述源数据集神经网络的迁移层直接迁移，对源数据集神经网络的非迁移层进行微调，得到所述目标数据集的卷积神经网络的网格结构；对目标数据集的确定网格结构后的卷积神经网络进行训练，得到所述目标数据集的卷积神经网络的目标网格参数；利用确定所述网格结构和所述目标网格参数后的所述目标数据的卷积神经网络，对所述目标数据集中真实人脸图像进行识别。本发明所提供的方法、装置、设备及计算机可读存储介质，可快速实现对数据集的卷积神经网络的重新设计和训练。
-
公开(公告)号：CN107463927A
公开(公告)日：2017-12-12
申请号：CN201710860765.6
申请日：2017-09-21
Applicant: 广东工业大学
CPC classification number: G06K9/00805 , E01F9/529 , G06N3/0454
Abstract: 本发明公开了一种基于卷积神经网络的道路减速带检测方法，获得目标路面信息，根据预先构造并进行训练获得的目标卷积神经网络，检测目标路面信息并得到目标检测结果，根据目标检测结果，确定目标路面信息中是否包含道路减速带。应用本发明实施例所提供的技术方案，通过构造并且进行训练得到目标卷积神经网络，使得目标卷积神经网络对目标路面信息进行检测之后，确定目标路面信息中是否包含道路减速带。由于目标卷积神经网络特征提取强，统计学习的能力强，提高了对道路减速带的检测率。本发明还公开了一种基于卷积神经网络的道路减速带检测装置，具有相应技术效果。
-
公开(公告)号：CN107392142B
公开(公告)日：2020-11-13
申请号：CN201710591420.5
申请日：2017-07-19
Applicant: 广东工业大学
Abstract: 本发明公开了一种真伪人脸识别方法及其装置，包括获取多帧人脸图像，并按照图像序列的顺序依次将连续N帧图像作为一个处理片段；最后不足N帧的部分舍弃；N为正整数；计算每个处理片段的LBP局部二值模式特征值，得到动态纹理特征；将动态纹理特征带入静态小波关系式中，得到融合纹理特征；采用分类识别装置对融合纹理特征进行识别，确认人脸图像的真伪。本发明能够捕捉图像场景的变化模式，进而区分真伪人脸图像，实现真伪人脸的识别，提高人脸识别系统的安全性。
-
公开(公告)号：CN109086723B
公开(公告)日：2022-03-25
申请号：CN201810890473.1
申请日：2018-08-07
Applicant: 广东工业大学
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08 , G06V40/40
Abstract: 本发明公开了一种基于迁移学习的人脸检测的方法、装置、设备及计算机可读存储介质，包括：依据源数据集中的人脸图像的大小对采集到的目标数据集中的人脸图像进行归一化处理；对所述源数据集神经网络的迁移层直接迁移，对源数据集神经网络的非迁移层进行微调，得到所述目标数据集的卷积神经网络的网格结构；对目标数据集的确定网格结构后的卷积神经网络进行训练，得到所述目标数据集的卷积神经网络的目标网格参数；利用确定所述网格结构和所述目标网格参数后的所述目标数据的卷积神经网络，对所述目标数据集中真实人脸图像进行识别。本发明所提供的方法、装置、设备及计算机可读存储介质，可快速实现对数据集的卷积神经网络的重新设计和训练。
-
公开(公告)号：CN107392142A
公开(公告)日：2017-11-24
申请号：CN201710591420.5
申请日：2017-07-19
Applicant: 广东工业大学
Abstract: 本发明公开了一种真伪人脸识别方法及其装置，包括获取多帧人脸图像，并按照图像序列的顺序依次将连续N帧图像作为一个处理片段；最后不足N帧的部分舍弃；N为正整数；计算每个处理片段的LBP局部二值模式特征值，得到动态纹理特征；将动态纹理特征带入静态小波关系式中，得到融合纹理特征；采用分类识别装置对融合纹理特征进行识别，确认人脸图像的真伪。本发明能够捕捉图像场景的变化模式，进而区分真伪人脸图像，实现真伪人脸的识别，提高人脸识别系统的安全性。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
