-
公开(公告)号：CN115223220B
公开(公告)日：2023-06-09
申请号：CN202210719383.2
申请日：2022-06-23
Applicant: 北京邮电大学
IPC: G06V40/16 , G06V10/82 , G06V10/80 , G06V10/774 , G06N3/084 , G06N3/0464
Abstract: 本发明提供了一种基于关键点回归的人脸检测方法。该方法包括：通过多任务头网络提取待识别图像的特征图，输出训练图像的预测框；利用关键点回归对预测框和真实框进行训练样本匹配，获取预测框与真实框的匹配关系，选取传输损耗最小的候选框；利用多任务损失函数计算传输损耗最小的预测框与真实框之间的学习误差，根据学习误差反向传播，得到更新后的多任务特征提取网络；将待识别图像输入到训练好的多任务特征提取网络，多任务特征提取网络输出待识别图像的人脸识别结果。本发明设计了多任务最优传输匹配算法，改进了训练样本匹配的评价指标，匹配对检测和关键点任务学习整体最好的样本参与损失计算与梯度反传。
-
公开(公告)号：CN115223220A
公开(公告)日：2022-10-21
申请号：CN202210719383.2
申请日：2022-06-23
Applicant: 北京邮电大学
Abstract: 本发明提供了一种基于关键点回归的人脸检测方法。该方法包括：通过多任务头网络提取待识别图像的特征图，输出训练图像的预测框；利用关键点回归对预测框和真实框进行训练样本匹配，获取预测框与真实框的匹配关系，选取传输损耗最小的候选框；利用多任务损失函数计算传输损耗最小的预测框与真实框之间的学习误差，根据学习误差反向传播，得到更新后的多任务特征提取网络；将待识别图像输入到训练好的多任务特征提取网络，多任务特征提取网络输出待识别图像的人脸识别结果。本发明设计了多任务最优传输匹配算法，改进了训练样本匹配的评价指标，匹配对检测和关键点任务学习整体最好的样本参与损失计算与梯度反传。
-
公开(公告)号：CN115100709B
公开(公告)日：2023-05-23
申请号：CN202210718470.6
申请日：2022-06-23
Applicant: 北京邮电大学
IPC: G06V40/16 , G06V10/82 , G06V10/774 , G06N3/0464
Abstract: 本发明提供了一种特征分离的图像人脸识别与年龄估计方法。该方法包括：将待识别的人脸图像输入到多任务框架中，将人脸图像转化为人脸特征，将人脸特征输入到所述特征分离网络中，通过特征分离网络分离所述人脸特征中的身份特征和年龄特征；将身份特征进行特征铺平生成描述当前图像身份的嵌入特征向量，通过度量所述嵌入特征向量与各个标准身份向量之间的距离值，确定所述待识别的人脸图像对应的身份信息；通过线性层将年龄特征映射为一组向量，将所述一组向量的取值加在一起，获取所述待识别的人脸图像对应的年龄信息。本发明方法通过注意力机制的特征分离方法，有效地分离出适合各个子任务的有效特征，提升了各个子任务的特征鲁棒性。
-
公开(公告)号：CN115100709A
公开(公告)日：2022-09-23
申请号：CN202210718470.6
申请日：2022-06-23
Applicant: 北京邮电大学
IPC: G06V40/16 , G06V10/82 , G06V10/774 , G06N3/04
Abstract: 本发明提供了一种特征分离的图像人脸识别与年龄估计方法。该方法包括：将待识别的人脸图像输入到多任务框架中，将人脸图像转化为人脸特征，将人脸特征输入到所述特征分离网络中，通过特征分离网络分离所述人脸特征中的身份特征和年龄特征；将身份特征进行特征铺平生成描述当前图像身份的嵌入特征向量，通过度量所述嵌入特征向量与各个标准身份向量之间的距离值，确定所述待识别的人脸图像对应的身份信息；通过线性层将年龄特征映射为一组向量，将所述一组向量的取值加在一起，获取所述待识别的人脸图像对应的年龄信息。本发明方法通过注意力机制的特征分离方法，有效地分离出适合各个子任务的有效特征，提升了各个子任务的特征鲁棒性。
-
-
-
Search Results
4
records
(took 0.021 seconds)
