-
公开(公告)号：CN110069994B
公开(公告)日：2021-03-23
申请号：CN201910210915.8
申请日：2019-03-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于人脸识别领域，具体涉及一种基于人脸多区域的人脸属性识别系统、方法，旨在解决解决单张全局人脸图像的人脸属性识别忽略细节信息带来的识别率不高的问题，本发明系统包括预处理单元、人脸特征提取单元、预测单元；预处理单元对输入图像中人脸进行人脸关键点检测，进行人脸图像的对齐和裁剪，得到第一图像及其对应的人脸关键点；人脸特征提取单元提取全局人脸特征、局部人脸特征、融合人脸特征；预测单元将所述全局人脸特征、所述局部人脸特征、所述融合人脸特征进行拼接获取最终的分类特征，并基于特定的属性分类器进行属性识别。本发明可以基于人脸多区域提取更有效人脸属性特征，获得更精准的人脸属性估计。
-
Patent Agency Ranking
公开(公告)号：CN110069994A
公开(公告)日：2019-07-30
申请号：CN201910210915.8
申请日：2019-03-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于人脸识别领域，具体涉及一种基于人脸多区域的人脸属性识别系统、方法，旨在解决解决单张全局人脸图像的人脸属性识别忽略细节信息带来的识别率不高的问题，本发明系统包括预处理单元、人脸特征提取单元、预测单元；预处理单元对输入图像中人脸进行人脸关键点检测，进行人脸图像的对齐和裁剪，得到第一图像及其对应的人脸关键点；人脸特征提取单元提取全局人脸特征、局部人脸特征、融合人脸特征；预测单元将所述全局人脸特征、所述局部人脸特征、所述融合人脸特征进行拼接获取最终的分类特征，并基于特定的属性分类器进行属性识别。本发明可以基于人脸多区域提取更有效人脸属性特征，获得更精准的人脸属性估计。
-
公开(公告)号：CN106503623A
公开(公告)日：2017-03-15
申请号：CN201610857697.3
申请日：2016-09-27
Applicant: 中国科学院自动化研究所
IPC: G06K9/00
Abstract: 本发明公开了图像识别领域中基于卷积神经网络(CNN)的人脸图像年龄估算方法。在传统的年龄识别技术中，一个训练样本只对应一个年龄标签，忽略了相邻年龄之间的关系。本发明基于卷积神经网络，每个样本对应多个年龄标签，使得训练得到的年龄估算模型更加精准。本发明包含以下步骤：首先是对输入图像进行人脸检测、人脸关键点检测、人脸对齐、图像裁剪等；然后是对年龄老化过程进行建模，计算各个表观年龄的概率，储存成年龄分布表；接下来是利用已对齐的人脸图像结合年龄分布表以及目标函数来训练CNN网络；最后，就可以利用训练好的CNN网络，对输入的人脸图像进行年龄估算。
-
公开(公告)号：CN106503623B
公开(公告)日：2019-10-08
申请号：CN201610857697.3
申请日：2016-09-27
Applicant: 中国科学院自动化研究所
IPC: G06K9/00
Abstract: 本发明公开了图像识别领域中基于卷积神经网络(CNN)的人脸图像年龄估算方法。在传统的年龄识别技术中，一个训练样本只对应一个年龄标签，忽略了相邻年龄之间的关系。本发明基于卷积神经网络，每个样本对应多个年龄标签，使得训练得到的年龄估算模型更加精准。本发明包含以下步骤：首先是对输入图像进行人脸检测、人脸关键点检测、人脸对齐、图像裁剪等；然后是对年龄老化过程进行建模，计算各个表观年龄的概率，储存成年龄分布表；接下来是利用已对齐的人脸图像结合年龄分布表以及目标函数来训练CNN网络；最后，就可以利用训练好的CNN网络，对输入的人脸图像进行年龄估算。
-
公开(公告)号：CN106529402B
公开(公告)日：2019-05-28
申请号：CN201610856231.1
申请日：2016-09-27
Applicant: 中国科学院自动化研究所
IPC: G06K9/00
Abstract: 本发明公布了一种基于多任务学习的卷积神经网络(CNN)的人脸属性分析方法。该方法主要是以卷积神经网络为基础，采用多任务学习的方法对人脸图像同时进行年龄估算、性别识别和种族分类。在传统的处理方法中，人脸多属性分析时，需要分多次计算，既消耗时间，又降低了模型的泛化能力。本发明通过对三个单任务网络分别进行训练，然后选用收敛最慢网络的权值初始化多任务网络的共享部分，随机初始化多任务网络的独立部分；接下来对多任务网络进行训练，得到多任务CNN网络模型；最后，就可以利用训练好的多任务CNN网络模型对输入的人脸图像同时进行年龄、性别和种族三个属性的分析，既节约了时间又获得了较高的准确度。
-
公开(公告)号：CN106529402A
公开(公告)日：2017-03-22
申请号：CN201610856231.1
申请日：2016-09-27
Applicant: 中国科学院自动化研究所
IPC: G06K9/00
CPC classification number: G06K9/00268 , G06K9/00288 , G06K2009/00322
Abstract: 本发明公布了一种基于多任务学习的卷积神经网络(CNN)的人脸属性分析方法。该方法主要是以卷积神经网络为基础，采用多任务学习的方法对人脸图像同时进行年龄估算、性别识别和种族分类。在传统的处理方法中，人脸多属性分析时，需要分多次计算，既消耗时间，又降低了模型的泛化能力。本发明通过对三个单任务网络分别进行训练，然后选用收敛最慢网络的权值初始化多任务网络的共享部分，随机初始化多任务网络的独立部分；接下来对多任务网络进行训练，得到多任务CNN网络模型；最后，就可以利用训练好的多任务CNN网络模型对输入的人脸图像同时进行年龄、性别和种族三个属性的分析，既节约了时间又获得了较高的准确度。
-
-
-
-
-
Search Results
6
records
(took 0.032 seconds)
