公开(公告)号：CN108960076B

公开(公告)日：2022-07-12

申请号：CN201810586771.1

申请日：2018-06-08

Applicant: 东南大学

Inventor： 林云智 ,  王雁刚

IPC: G06V40/16 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明公开了一种基于卷积神经网络的耳朵识别与跟踪方法，包括：针对已有的人脸数据集及脸部边框标签搭建第一层卷积神经网络，对图像中的人头部进行检测，得到包含耳朵区域的人脸图像；针对耳朵数据集及耳朵标注框标签搭建第二层积神经网络，通过训练对步骤1中输出图像中耳朵区域进行检测；针对耳朵数据集及耳朵特征点标签搭建第三层积神经网络，通过训练对步骤2中输出图像中耳朵特征点进行自动标注。本发明采用三层级联架构，能够有效解决现有耳朵数据集相对较小的情况下检测及特征点标注的问题。而且多层网络可以显著压缩网络大小，网络结构参数量相对较小，在训练阶段对显存的要求不高，训练更容易收敛，并在复杂条件下表现更优。

公开(公告)号：CN108960076A

公开(公告)日：2018-12-07

申请号：CN201810586771.1

申请日：2018-06-08

Applicant: 东南大学

Inventor： 林云智 ,  王雁刚

IPC: G06K9/00 ,  G06N3/04

CPC classification number: G06K9/00228 ,  G06K9/00281 ,  G06N3/0454

Abstract: 本发明公开了一种基于卷积神经网络的耳朵识别与跟踪方法，包括：针对已有的人脸数据集及脸部边框标签搭建第一层卷积神经网络，对图像中的人头部进行检测，得到包含耳朵区域的人脸图像；针对耳朵数据集及耳朵标注框标签搭建第二层积神经网络，通过训练对步骤1中输出图像中耳朵区域进行检测；针对耳朵数据集及耳朵特征点标签搭建第三层积神经网络，通过训练对步骤2中输出图像中耳朵特征点进行自动标注。本发明采用三层级联架构，能够有效解决现有耳朵数据集相对较小的情况下检测及特征点标注的问题。而且多层网络可以显著压缩网络大小，网络结构参数量相对较小，在训练阶段对显存的要求不高，训练更容易收敛，并在复杂条件下表现更优。