-
公开(公告)号：CN110298331B
公开(公告)日：2021-04-06
申请号：CN201910604785.6
申请日：2019-07-05
Applicant: 中国计量大学 , 城云科技(中国)有限公司
Abstract: 本发明公开了一种人证比对方法，使用收集的身份证图像与公开人脸数据集CASIA‑Webface，采用生成对抗网络生成与CASIA‑Webface中人脸图像相应的不同年龄段身份证图像，采用稀疏变异字典学习方法生成与身份证图像相应的人脸图像，将CASIA‑Webface、生成的与CASIA‑Webface中人脸图像相应的不同年龄段身份证图像、A张身份证图像、由A张身份证图像生成的人脸图像输入到人脸识别网络中进行训练，提高人证比对的准确率。
-
公开(公告)号：CN110490133A
公开(公告)日：2019-11-22
申请号：CN201910766818.7
申请日：2019-08-19
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于生成对抗网络由父母照片生成子女照片的方法，将人脸图像数据行划分为训练样本集与测试样本集，并对训练样本集中的人脸图像进行数据预处理。之后，重新构建生成对抗中生成器的卷积神经网络结构，加入了反卷积。然后，将训练样本集和对应人脸照片的年龄信息一同输入到模型中进行训练，并保存各生成器、判断器和相似度模型的网络参数。最后，利用经过数据预处理后的测试样本集对生成器和判断器模型进行测试，获得测试结果。本发明旨在当需要对一个人通过人脸图像进行身份识别而一时只有其父母的人脸图像的情况下，能够迅速的对其身份进行初步认证。
-
公开(公告)号：CN109190475A
公开(公告)日：2019-01-11
申请号：CN201810864960.0
申请日：2018-08-01
Applicant: 中国计量大学
IPC: G06K9/00
Abstract: 本发明公开了一种人脸识别网络与行人再识别网络协同训练方法，采用双网络并行网络结构，将人脸与行人进行特征融合，把融合后的特征作为行人输出特征，使其具有更强的人脸特征表达能力，并根据人脸图像清晰度的不同对人脸识别网络与行人再识别网络采用不同的监督信号进行训练，当人脸图像清晰度较低时，用行人再识别网络的预测结果与真实标签的加权相加的结果作为监督信号，指导人脸识别网络进行训练；当人脸图像清晰度较高时，将人脸识别网络的预测结果与真实标签的加权相加的结果作为监督信号，指导行人再识别网络进行训练，既加强了人脸识别对于行人再识别结果的影响，又能够在人脸图像模糊的情况下利用行人再识别的预测结果指导人脸特征分类。
-
公开(公告)号：CN109241995B
公开(公告)日：2021-05-14
申请号：CN201810866142.4
申请日：2018-08-01
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于改进型ArcFace损失函数的图像识别方法，采用基于深度学习的图像识别网络对图像的特征进行提取，将提取的特征用来描述图像的主要信息，采用改进型ArcFace损失函数对基于深度学习的图像识别网络进行训练，改进型ArcFace损失函数在角度空间通过既减小类内距离又增大类间距离来最大化分类边界，从而提高图像识别模型识别的准确性。本发明用于模式识别领域。
-
公开(公告)号：CN109101915B
公开(公告)日：2021-04-27
申请号：CN201810864964.9
申请日：2018-08-01
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于深度学习的人脸与行人及其属性识别网络结构设计方法，将得到行人关键点轨迹特征与行人特征提取子网络连接的全连接层进行特征融合得到融合特征；对同一个人多张人脸图像进行关键点检测得到的人脸关键点，通过计算得到人脸关键点轨迹特征，将得到人脸关键点轨迹特征与人脸多任务识别子网络连接的全连接层进行特征融合得到融合特征，利用融合特征进行人脸及其属性识别；将融合特征和融合特征进行特征融合得到特征融合，利用融合特征进行行人及其属性识别。
-
Patent Agency Ranking
公开(公告)号：CN109190475B
公开(公告)日：2021-09-14
申请号：CN201810864960.0
申请日：2018-08-01
Applicant: 中国计量大学
IPC: G06K9/00
Abstract: 本发明公开了一种人脸识别网络与行人再识别网络协同训练方法，采用双网络并行网络结构，将人脸与行人进行特征融合，把融合后的特征作为行人输出特征，使其具有更强的人脸特征表达能力，并根据人脸图像清晰度的不同对人脸识别网络与行人再识别网络采用不同的监督信号进行训练，当人脸图像清晰度较低时，用行人再识别网络的预测结果与真实标签的加权相加的结果作为监督信号，指导人脸识别网络进行训练；当人脸图像清晰度较高时，将人脸识别网络的预测结果与真实标签的加权相加的结果作为监督信号，指导行人再识别网络进行训练，既加强了人脸识别对于行人再识别结果的影响，又能够在人脸图像模糊的情况下利用行人再识别的预测结果指导人脸特征分类。
-
公开(公告)号：CN109325513B
公开(公告)日：2021-06-25
申请号：CN201810867642.X
申请日：2018-08-01
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于海量单类单幅图像的图像分类网络训练方法，采用单类单幅和单类多幅的双数据形式的训练数据集交替循环训练海量单类单幅图像的图像分类网络，将训练数据输入层替换为训练数据集1输入层和训练数据集2输入层两个网络层，当训练的迭代次数为奇数时，将训练数据集1作为基于海量单类单幅图像的图像分类网络的输入数据，基于迭代次数的动态损失函数采用类间距离损失函数，对网络进行训练，当迭代次数为偶数时，将训练数据集2作为基于海量单类单幅图像的图像分类网络的输入数据，基于迭代次数的动态损失函数采用center loss和Soft‑max损失函数相结合作为训练网络的损失函数对网络进行训练，得到图像分类模型。
-
公开(公告)号：CN110570349A
公开(公告)日：2019-12-13
申请号：CN201910855999.0
申请日：2019-09-11
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于生成对抗网络由父母照片生成子女照片的方法，将人脸图像数据行划分为训练样本集与测试样本集，并对训练样本集中的人脸图像进行数据预处理。之后，重新构建生成对抗中生成器的卷积神经网络结构，加入了反卷积。然后，将训练样本集和对应人脸照片的年龄信息一同输入到模型中进行训练，并保存各生成器、判断器和相似度模型的网络参数。最后，利用经过数据预处理后的测试样本集对生成器和判断器模型进行测试，获得测试结果。本发明旨在当需要对一个人通过人脸图像进行身份识别而一时只有其父母的人脸图像的情况下，能够迅速的对其身份进行初步认证。
-
公开(公告)号：CN110298331A
公开(公告)日：2019-10-01
申请号：CN201910604785.6
申请日：2019-07-05
Applicant: 中国计量大学 , 城云科技(中国)有限公司
Abstract: 本发明公开了一种人证比对方法，使用收集的身份证图像与公开人脸数据集CASIA-Webface，采用生成对抗网络生成与CASIA-Webface中人脸图像相应的不同年龄段身份证图像，采用稀疏变异字典学习方法生成与身份证图像相应的人脸图像，将CASIA-Webface、生成的与CASIA-Webface中人脸图像相应的不同年龄段身份证图像、A张身份证图像、由A张身份证图像生成的人脸图像输入到人脸识别网络中进行训练，提高人证比对的准确率。
-
公开(公告)号：CN109325513A
公开(公告)日：2019-02-12
申请号：CN201810867642.X
申请日：2018-08-01
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于海量单类单幅图像的图像分类网络训练方法，采用单类单幅和单类多幅的双数据形式的训练数据集交替循环训练海量单类单幅图像的图像分类网络，将训练数据输入层替换为训练数据集1输入层和训练数据集2输入层两个网络层，当训练的迭代次数为奇数时，将训练数据集1作为基于海量单类单幅图像的图像分类网络的输入数据，基于迭代次数的动态损失函数采用类间距离损失函数，对网络进行训练，当迭代次数为偶数时，将训练数据集2作为基于海量单类单幅图像的图像分类网络的输入数据，基于迭代次数的动态损失函数采用center loss和Soft-max损失函数相结合作为训练网络的损失函数对网络进行训练，得到图像分类模型。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.018 seconds)
