-
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。
-
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：CN112784636B
公开(公告)日：2024-11-19
申请号：CN201911082553.5
申请日：2019-11-07
IPC: G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/042 , G06N3/084
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：CN114612953A
公开(公告)日：2022-06-10
申请号：CN202011427289.7
申请日：2020-12-09
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训练样本优化装置，该装置包括：对于训练样本库中的每一训练样本，波动性确定单元，被配置为确定在训练该神经网络模型的情况下该训练样本的模型预测相对于该训练样本的对应标记标识的波动性；优化单元，被配置为基于该训练样本的所述波动性来确定该训练样本是否能够用于下一训练周期的神经网络模型的训练。
-
Patent Agency Ranking
公开(公告)号：CN112784953A
公开(公告)日：2021-05-11
申请号：CN201911082558.8
申请日：2019-11-07
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。
-
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。
-
-
公开(公告)号：CN105989331B
公开(公告)日：2019-10-08
申请号：CN201510070684.7
申请日：2015-02-11
Applicant: 佳能株式会社
IPC: G06K9/00
Abstract: 本公开涉及脸部特征提取装置、脸部特征提取方法、图像处理设备和图像处理方法。一种脸部特征提取装置，用于从脸部图像中提取特征，所述脸部特征提取装置包括：检测单元，检测脸部图像中的多个特征点；归一化单元，基于检测单元检测的所述多个特征点，对所述脸部图像中的脸部归一化，由此得到归一化脸部和所述归一化脸部上的与所述脸部图像中的多个特征点对应的多个归一化特征点；估计单元，估计所述脸部图像中的脸部姿态；定位单元，基于归一化脸部上的归一化特征点和估计单元所估计的所述脸部图像中的脸部姿态，定位所述归一化脸部中的特征区域；以及提取单元，从所述归一化脸部中的特征区域来提取特征。
-
公开(公告)号：CN108021847A
公开(公告)日：2018-05-11
申请号：CN201610951434.9
申请日：2016-11-02
Applicant: 佳能株式会社
IPC: G06K9/00
CPC classification number: G06K9/00302 , G06K9/00248 , G06K9/00281 , G06T7/50 , G06T7/73 , G06T7/90
Abstract: 本发明提供一种用于识别脸部表情的装置和方法、图像处理装置和系统。一种用于识别图像的脸部区域中的脸部的表情的装置包括：被构造为检测图像的脸部区域中的脸部的特征点的单元；被构造为基于检测到的特征点来确定脸部区域中的脸部的脸部形状的单元；被构造为基于确定的脸部形状和预先定义的形状组来确定脸部区域中的脸部所属的组的单元；以及被构造为基于与确定的组对应的预先生成的第一模型和从脸部区域中的至少一个区域提取的特征来确定脸部区域中的脸部的表情的单元，其中，所述至少一个区域是在与确定的组对应的预先生成的第一模型中标记出的区域。根据本发明，将提高脸部表情识别的准确度。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.04 seconds)
