-
公开(公告)号：CN113743388B
公开(公告)日：2022-02-08
申请号：CN202111309953.2
申请日：2021-11-08
Applicant: 武汉烽火信息集成技术有限公司 , 湖北省人民检察院 , 华中科技大学
Abstract: 本发明公开了一种面部AU关键点检测的方法、装置和电子设备，属于图像识别领域，所述方法包括：根据多个面部肌肉关键点将人脸区域划分为多个感兴趣区域ROI，将各个AU关键点区域各自对应的多个ROI最小外接矩形分别进行并集得到对应最小外接矩形区域Iu，进行交集得到对应最小外接矩形区域In；对人脸图像进行特征提取得到特征图f，将基于f确定的和进行信道拼接得到fc；将fc输入对应的训练好的面部AU识别模型使其输出对应的AU关键点区域及其置信度；将AU关键点区域对应Iu和In进行回归迭代得到最佳AU关键点区域。本发明通过不断迭代训练最终得到最佳AU关键点区域，能够有效检测AU关键点。
-
公开(公告)号：CN113743389A
公开(公告)日：2021-12-03
申请号：CN202111309957.0
申请日：2021-11-08
Applicant: 武汉烽火信息集成技术有限公司 , 湖北省人民检察院 , 华中科技大学
Abstract: 本发明公开了一种面部表情识别的方法、装置和电子设备，属于图像识别领域，所述方法包括：根据多个面部肌肉关键点将人脸区域划分为多个ROI，获得多个ROI交集对应的最小外接矩形区域Iu和并集对应的最小外接矩形区域In；获得人脸图像对应特征图f的特征图和，将和进行信道拼接得到fc；将fc输入对应的训练好的面部AU识别模型使其输出对应的AU关键点区域及其置信度；将AU关键点区域对应Iu和In进行回归迭代直至Iu=In得到最佳AU关键点区域；基于预设表情映射关系和至少一个最佳AU关键点区域获取人脸图像中的面部表情。本发明通过不断迭代训练得到最佳AU关键点区域并基于此进行表情识别，能够有效提高表情识别效率。
-
公开(公告)号：CN113743388A
公开(公告)日：2021-12-03
申请号：CN202111309953.2
申请日：2021-11-08
Applicant: 武汉烽火信息集成技术有限公司 , 湖北省人民检察院 , 华中科技大学
Abstract: 本发明公开了一种面部AU关键点检测的方法、装置和电子设备，属于图像识别领域，所述方法包括：根据多个面部肌肉关键点将人脸区域划分为多个感兴趣区域ROI，将各个AU关键点区域各自对应的多个ROI最小外接矩形分别进行并集得到对应最小外接矩形区域Iu，进行交集得到对应最小外接矩形区域In；对人脸图像进行特征提取得到特征图f，将基于f确定的和进行信道拼接得到fc；将fc输入对应的训练好的面部AU识别模型使其输出对应的AU关键点区域及其置信度；将AU关键点区域对应Iu和In进行回归迭代得到最佳AU关键点区域。本发明通过不断迭代训练最终得到最佳AU关键点区域，能够有效检测AU关键点。
-
公开(公告)号：CN114882578B
公开(公告)日：2022-09-06
申请号：CN202210812089.6
申请日：2022-07-12
Applicant: 华中科技大学
IPC: G06V40/16 , G06K9/62 , G06V10/778 , G06V10/80
Abstract: 本发明公开了多域对抗学习的小样本条件下复合表情识别方法，属于计算机视觉人脸表情识别领域。为了在小样本条件下提取多样性和复杂性的复合表情特征，融合多个小样本数据集，并划分表情子域，利用多域对抗学习提高识别复合表情的性能。基于生成对抗网络框架，将人脸域、轮廓无关的复合表情域融合在生成网络中以增强多样性和复杂性，设计了两个鉴别器引导生成器。人脸鉴别器使用人脸域，引导并鉴别生成器生成表情无关的人脸身份属性，让生成器具有身份多样性；复合表情融合鉴别器分别将基础表情域和轮廓相关的复合表情域融合在一起，引导并鉴别生成器生成的表情具有复杂性。从而获得兼具多样性和复杂性的高性能鉴别器，提高复合表情的识别性能。
-
公开(公告)号：CN114882578A
公开(公告)日：2022-08-09
申请号：CN202210812089.6
申请日：2022-07-12
Applicant: 华中科技大学
IPC: G06V40/16 , G06K9/62 , G06V10/778 , G06V10/80
Abstract: 本发明公开了多域对抗学习的小样本条件下复合表情识别方法，属于计算机视觉人脸表情识别领域。为了在小样本条件下提取多样性和复杂性的复合表情特征，融合多个小样本数据集，并划分表情子域，利用多域对抗学习提高识别复合表情的性能。基于生成对抗网络框架，将人脸域、轮廓无关的复合表情域融合在生成网络中以增强多样性和复杂性，设计了两个鉴别器引导生成器。人脸鉴别器使用人脸域，引导并鉴别生成器生成表情无关的人脸身份属性，让生成器具有身份多样性；复合表情融合鉴别器分别将基础表情域和轮廓相关的复合表情域融合在一起，引导并鉴别生成器生成的表情具有复杂性。从而获得兼具多样性和复杂性的高性能鉴别器，提高复合表情的识别性能。
-
Patent Agency Ranking
公开(公告)号：CN116311477B
公开(公告)日：2023-08-01
申请号：CN202310543543.7
申请日：2023-05-15
Applicant: 华中科技大学
IPC: G06V40/16 , G06N3/0475 , G06N3/048 , G06N3/08 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本发明属于计算机视觉与情感计算领域，具体涉及一种面向跨身份一致性的面部运动单元检测模型构建方法，包括：提出一种训练样本选择策略，提高每帧图像的困难正样本和困难负样本在训练样本集中的占比；还提出对比学习，在每次迭代训练时，计算第一对比损失，用于引导分离模块输出的相同身份的身份特征嵌入编码在空间中距离相近，不同身份的身份特征嵌入编码在空间中距离远离；计算第二对比损失，用于引导分离模块输出的相同面部运动单元标签的面部运动特征嵌入编码在空间中距离相近，不同面部运动单元标签的面部运动特征嵌入编码在空间中距离远离。本方法通过隐式地引入面部运动单元跨身份一致性定义先验知识，使得模型有效学习面部运动单元表征。
-
公开(公告)号：CN115423761A
公开(公告)日：2022-12-02
申请号：CN202211013236.X
申请日：2022-08-23
Applicant: 华中科技大学同济医学院附属协和医院
IPC: G06T7/00 , G06V10/40 , G06V10/766 , G06V10/80 , G06V10/82 , G06V10/764 , G06T17/00 , G06T17/20 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明公开了一种基于深度学习的骨折X光图像检测与三维呈现方法，包括如下步骤：获取胫骨平台部位不同骨折类型的X光图像；对X光图像提取特征并进行骨折检测和分型；对X光图像进行三维重建，提取表面网格；将表面网格转换为STL文件，存入工作站中进行混合现实(MR)呈现；本发明能够对骨折部位进行精准和快速定位，辅助医生进行骨折部位的诊断，与此同时将骨折部位在三维空间进行呈现，帮助医生进行手术规划和远程医疗，以便用于个性化手术方案的制定和实施。
-
公开(公告)号：CN117576765B
公开(公告)日：2024-03-29
申请号：CN202410054740.7
申请日：2024-01-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于分层特征对齐的面部动作单元检测模型构建方法，属于计算机视觉与情感计算领域，包括：搭建面部动作单元检测模型，并采用训练样本集对面部动作单元检测模型训练，训练样本为面部运动图片，标签为每个样本对应的AU组合；构建类内一致性对齐、类间一致性对齐及样本级别一致性对齐的分层特征对齐框架，通过分层的方式提升对跨身份一致性引入的微弱变化的感知能力。同时，在AU特征嵌入之前，通过重要性感知融合层对融合的特征图中每个位置进行区域重要性感知，得到重要性感知的局部特征嵌入，以增强重要区域的特征，提高面部动作特征的可区分性。本发明能够提升面部动作单元检测的准确度。
-
公开(公告)号：CN117576765A
公开(公告)日：2024-02-20
申请号：CN202410054740.7
申请日：2024-01-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于分层特征对齐的面部动作单元检测模型构建方法，属于计算机视觉与情感计算领域，包括：搭建面部动作单元检测模型，并采用训练样本集对面部动作单元检测模型训练，训练样本为面部运动图片，标签为每个样本对应的AU组合；构建类内一致性对齐、类间一致性对齐及样本级别一致性对齐的分层特征对齐框架，通过分层的方式提升对跨身份一致性引入的微弱变化的感知能力。同时，在AU特征嵌入之前，通过重要性感知融合层对融合的特征图中每个位置进行区域重要性感知，得到重要性感知的局部特征嵌入，以增强重要区域的特征，提高面部动作特征的可区分性。本发明能够提升面部动作单元检测的准确度。
-
公开(公告)号：CN116311477A
公开(公告)日：2023-06-23
申请号：CN202310543543.7
申请日：2023-05-15
Applicant: 华中科技大学
IPC: G06V40/16 , G06N3/0475 , G06N3/048 , G06N3/08 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本发明属于计算机视觉与情感计算领域，具体涉及一种面向跨身份一致性的面部运动单元检测模型构建方法，包括：提出一种训练样本选择策略，提高每帧图像的困难正样本和困难负样本在训练样本集中的占比；还提出对比学习，在每次迭代训练时，计算第一对比损失，用于引导分离模块输出的相同身份的身份特征嵌入编码在空间中距离相近，不同身份的身份特征嵌入编码在空间中距离远离；计算第二对比损失，用于引导分离模块输出的相同面部运动单元标签的面部运动特征嵌入编码在空间中距离相近，不同面部运动单元标签的面部运动特征嵌入编码在空间中距离远离。本方法通过隐式地引入面部运动单元跨身份一致性定义先验知识，使得模型有效学习面部运动单元表征。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.028 seconds)
