-
公开(公告)号：CN114067399B
公开(公告)日：2024-03-15
申请号：CN202111352121.9
申请日：2021-11-16
Applicant: 桂林电子科技大学
IPC: G06V40/16 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本发明公开了一种面向非配合场景的人脸重建与识别方法，其特征在于，包括如下步骤：1）构造三元组人脸数据集；2）三元组损失约束编码；3）亚像素卷积解码；4）多损失约束判别；5）训练生成对抗网络；6）重建与识别。这种方法在低分辨率和较大偏姿的情况下，仍然能够重建出清晰真实的正面人脸图像,并获得较高的识别率。
-
公开(公告)号：CN114067399A
公开(公告)日：2022-02-18
申请号：CN202111352121.9
申请日：2021-11-16
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种面向非配合场景的人脸重建与识别方法，其特征在于，包括如下步骤：1）构造三元组人脸数据集；2）三元组损失约束编码；3）亚像素卷积解码；4）多损失约束判别；5）训练生成对抗网络；6）重建与识别。这种方法在低分辨率和较大偏姿的情况下，仍然能够重建出清晰真实的正面人脸图像,并获得较高的识别率。
-
公开(公告)号：CN114332733B
公开(公告)日：2024-03-15
申请号：CN202210004166.5
申请日：2022-01-04
Applicant: 桂林电子科技大学
IPC: G06V20/40 , G06V10/26 , G06V20/52 , G06V40/16 , G06V10/80 , G06V10/82 , G06N3/044 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于残差循环神经网络的视频监控人脸识别方法，其特征在于，包括如下步骤：1）获取视频监控人脸数据；2）进行人脸检测；3）视频人脸特征联合；4）联合特征融合与编码；5）解码隐藏状态及融合特征；6）利用融合特征进行网络训练；7）应用网络进行人脸识别。这种方法将人脸特征与隐藏状态使用残差连接，从而解决特征融合过程中存在梯度消失的问题，为隐藏状态提供了更多的特征，进而有效地提升人脸识别性能，对于长序列的人脸视频具有更好的鲁棒性，并且具有更强的识别能力。
-
公开(公告)号：CN114332733A
公开(公告)日：2022-04-12
申请号：CN202210004166.5
申请日：2022-01-04
Applicant: 桂林电子科技大学
IPC: G06V20/40 , G06V10/26 , G06V20/52 , G06V40/16 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于残差循环神经网络的视频监控人脸识别方法，其特征在于，包括如下步骤：1）获取视频监控人脸数据；2）进行人脸检测；3）视频人脸特征联合；4）联合特征融合与编码；5）解码隐藏状态及融合特征；6）利用融合特征进行网络训练；7）应用网络进行人脸识别。这种方法将人脸特征与隐藏状态使用残差连接，从而解决特征融合过程中存在梯度消失的问题，为隐藏状态提供了更多的特征，进而有效地提升人脸识别性能，对于长序列的人脸视频具有更好的鲁棒性，并且具有更强的识别能力。
-
-
-
Search Results
4
records
(took 0.054 seconds)
