-
公开(公告)号：CN108121994B
公开(公告)日：2021-12-14
申请号：CN201611080653.0
申请日：2016-11-30
Applicant: 佳能株式会社
Abstract: 本申请涉及检测目标形状中进行特征提取的方法和装置。通过本申请的方法，首先为各个特征点生成子区域，然后计算各个子区域的代表性得分，以构成子区域代表性得分表。子区域代表性得分表被进一步转换为两类表示子区域映射表。此后，基于子区域映射表从所选择的子区域中提取子区域特征缩减集。最后，通过经由后续阶段使用子区域特征缩减集预测形状来计算所有特征点的最终位置。本申请可以提高脸部特征点检测的速度并保持准确度。
-
公开(公告)号：CN108564014A
公开(公告)日：2018-09-21
申请号：CN201810288618.0
申请日：2018-04-03
Applicant: 佳能株式会社
IPC: G06K9/00
Abstract: 本发明公开了一种对象形状跟踪装置和方法以及图像处理系统。所述跟踪对象形状的装置包括：被配置为基于至少一个先前视频帧中的对象形状，确定当前视频帧中的对象形状的单元；被配置为基于所述至少一个先前视频帧中的所述对象形状的遮挡信息，确定所述确定的对象形状的遮挡信息的单元；被配置为基于所述确定的遮挡信息，更新所述确定的对象形状的单元；以及被配置为基于所述更新的对象形状，更新所述确定的遮挡信息的单元。根据本发明，在跟踪视频中的对象形状的过程中，在视频中的对象被其他对象遮挡的情况下，将提高对象形状的准确性及对象跟踪的准确性。
-
公开(公告)号：CN118196430A
公开(公告)日：2024-06-14
申请号：CN202211596803.9
申请日：2022-12-12
Applicant: 佳能株式会社
IPC: G06V10/44 , G06V10/764 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/0499 , G06N3/084 , G06N5/04
Abstract: 本发明提供神经网络模型的训练和应用方法、装置、及存储介质。神经网络模型包括M个卷积层，其中M为大于等于1的整数，该方法包括：a)获取目标数据集、神经网络的M个卷积层中N个卷积层中每个卷积层的卷积核和每个卷积核的掩模，其中N为大于或等于1、并且小于或等于M的整数，其中，掩模与卷积核具有相同的空间形状；b)对目标数据集中的训练样本进行一次或多次迭代以训练神经网络和掩模，每次迭代包括：b1)根据神经网络的预测结果和掩模中的值，计算损失值；b2)根据损失值，计算神经网络参数的梯度和掩模的梯度；b3)根据神经网络参数的梯度和掩模的梯度，更新神经网络参数和掩模中的值；c)根据掩模中的更新值更新卷积核形状。
-
公开(公告)号：CN108564014B
公开(公告)日：2022-08-09
申请号：CN201810288618.0
申请日：2018-04-03
Applicant: 佳能株式会社
Abstract: 本发明公开了一种对象形状跟踪装置和方法以及图像处理系统。所述跟踪对象形状的装置包括：被配置为基于至少一个先前视频帧中的对象形状，确定当前视频帧中的对象形状的单元；被配置为基于所述至少一个先前视频帧中的所述对象形状的遮挡信息，确定所述确定的对象形状的遮挡信息的单元；被配置为基于所述确定的遮挡信息，更新所述确定的对象形状的单元；以及被配置为基于所述更新的对象形状，更新所述确定的遮挡信息的单元。根据本发明，在跟踪视频中的对象形状的过程中，在视频中的对象被其他对象遮挡的情况下，将提高对象形状的准确性及对象跟踪的准确性。
-
公开(公告)号：CN114529960A
公开(公告)日：2022-05-24
申请号：CN202011220934.8
申请日：2020-11-05
Abstract: 公开了人脸图像分类方法、人脸图像分类装置和存储介质。人脸图像分类方法包括以下步骤：接收第一图像集，第一图像集与第一人对应但不具有对图像进行标记的标签；提取第一图像集中的每个图像的特征；基于所提取的特征，计算第一图像集中的每个图像对之间的相似度；基于所计算的相似度，构建图；基于所提取的特征以及所构建的图，通过使用图卷积网络来确定每个节点的概率值，该概率值指示出节点表示第一人的人脸图像的概率，其中，图卷积网络是通过使用第一图像集和第二图像集两者而被训练的，第二图像集具有将图像标记为是否表示第二人的人脸图像的标签；以及基于所确定的概率值，将节点分类为信号节点和噪音节点。
-
Patent Agency Ranking
公开(公告)号：CN114444558A
公开(公告)日：2022-05-06
申请号：CN202011220649.6
申请日：2020-11-05
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明涉及用于对象识别的神经网络的训练方法及训练装置。一种训练方法包括：将包含待识别对象的训练图像集输入到所述神经网络，以提取每个图像样本的学生特征，所述训练图像集包括一组正常图像样本和一组变化图像样本；基于所提取的学生特征，将所述训练图像集中的图像样本划分为简单样本和困难样本；对于正常图像样本和变化图像样本中的每一种：由相应的传递迁移适配器对该图像样本的学生特征进行基于所述划分的传递迁移，以得到迁移学生特征；计算该图像样本的迁移学生特征相对于从对应的另一种图像样本中提取的教师特征的蒸馏损失；由相应的分类器基于学生特征对该图像样本进行分类；以及计算该图像样本的分类损失；基于对于所有图像样本计算的蒸馏损失和分类损失，计算与所述训练图像集相关的总损失；以及根据计算的总损失，更新所述神经网络的参数。
-
公开(公告)号：CN112784636A
公开(公告)日：2021-05-11
申请号：CN201911082553.5
申请日：2019-11-07
Abstract: 公开了人脸图像分类方法、人脸图像分类装置和存储介质。人脸图像分类方法包括以下步骤：接收图像集，该图像集中的图像被标记为与同一目标人对应；提取图像集中的每个图像的特征；基于所提取的特征，计算图像集中的每个图像对之间的相似度；基于所计算的相似度，构建图，在该图中，图像集中的每个图像由一个节点表示，连接节点的边表示节点之间的相似度关系；基于所提取的特征以及所构建的图，通过使用第一图卷积网络来确定每个节点的概率值，该概率值指示出节点表示目标人的人脸图像的概率；以及基于所确定的概率值，将节点分类为表示目标人的人脸图像的节点和表示噪音图像的节点，从而得到图的节点分类结果。
-
公开(公告)号：CN108133221A
公开(公告)日：2018-06-08
申请号：CN201611086996.8
申请日：2016-12-01
Applicant: 佳能株式会社
Abstract: 本发明提供对象形状检测装置和方法、图像处理装置及监视系统。该装置检测输入图像的对象区域中的对象的对象形状，并包括：形状获取单元，基于由特征点的集合表示的预生成的形状来获取对象区域中的对象形状，并将获取的形状视为对象的当前形状；形状确定单元，通过基于预生成的第一模型的至少一个集合及预生成的第二模型的至少一个级更新对象的当前形状，确定对象形状。其中，形状确定单元包括：基于预生成的第一模型的至少一个集合来由对象的当前形状确定可见特征点的单元；通过基于可见特征点周围的特征及预生成的第二模型的至少一个级确定对象的当前形状的形状增量来更新对象的当前形状的单元。根据本发明，将提高对象形状检测的准确度。
-
公开(公告)号：CN112784953B
公开(公告)日：2024-11-08
申请号：CN201911082558.8
申请日：2019-11-07
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本公开涉及对象识别模型的训练方法及装置。提供了一种用于对象识别的神经网络模型的优化装置，包括：损失确定单元，被配置为对于利用所述神经网络模型从训练图像集中提取的特征和带有权重函数的损失函数确定损失数据，以及更新单元，被配置为基于所述损失数据和更新函数来执行神经网络模型的参数的更新操作，其中，所述更新函数是基于所述神经网络模型的带有权重函数的损失函数推导而得到的，所述权重函数与所述损失函数在特定取值区间中同向地单调变化。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.02 seconds)
