-
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。
-
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：CN111191781A
公开(公告)日：2020-05-22
申请号：CN201811349293.9
申请日：2018-11-14
Abstract: 本公开涉及训练神经网络的方法、对象识别方法和设备以及介质。一种训练神经网络的方法包括：使用神经网络的初始模型从第一训练集中提取特征；根据第一训练集中的各个类的至少一个属性的分布来调整第一类和至少另一个类之间的与间距相关联的参数；根据调整后的与间距相关联的参数来计算损失；使用所计算的损失和反向传播算法来更新初始模型，以得到经过训练的模型。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN111191655B
公开(公告)日：2024-04-16
申请号：CN201811351009.1
申请日：2018-11-14
IPC: G06V40/16 , G06V10/762 , G06F18/23213 , G06V20/52 , G06F18/2413
Abstract: 本公开涉及对象识别方法和装置。特别地，本公开提出了一种模板确定装置，所述模板确定装置包括属性分布确定单元，被配置为确定多个图像中的特定属性的分布；以及模板确定单元，被配置为根据所确定的所述多个图像的特定属性的分布由所述多个图像适应性地确定模板集合。其中，所确定的模板集合将被用于图像规范化。
-
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：CN111191655A
公开(公告)日：2020-05-22
申请号：CN201811351009.1
申请日：2018-11-14
Abstract: 本公开涉及对象识别方法和装置。特别地，本公开提出了一种模板确定装置，所述模板确定装置包括属性分布确定单元，被配置为确定多个图像中的特定属性的分布；以及模板确定单元，被配置为根据所确定的所述多个图像的特定属性的分布由所述多个图像适应性地确定模板集合。其中，所确定的模板集合将被用于图像规范化。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.024 seconds)
