-
公开(公告)号：CN108564577A
公开(公告)日：2018-09-21
申请号：CN201810324996.X
申请日：2018-04-12
Applicant: 重庆邮电大学
Abstract: 本发明涉及图像处理与计算机视觉技术领域，特别涉及基于密集连接卷积神经网络的太阳能电池片断栅缺陷检测方法，包括：将获取到的多晶硅太阳能电池片断栅缺陷图像分为训练集和测试集；通过水平积分投影提取感兴趣的目标候选区域，通过训练集训练基于密集连接卷积神经网络的二分类分类器；将测试集送入训练好的分类器中进行分类，检测出缺陷区域；根据断栅缺陷的尺度分布特点计算连通域剔除检测出的离散位置，绘制缺陷位置的外接矩形得到检测结果；本发明首次使用了密集连接神经网络的结构训练图像块分类器来实现缺陷检测的目的，能在复杂多样的背景中准确的检测出缺陷图像，并给出缺陷区域的位置，完成对产品质量的自动监控。
-
公开(公告)号：CN108596082A
公开(公告)日：2018-09-28
申请号：CN201810365304.6
申请日：2018-04-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于图像扩散速度模型和色彩特征的人脸活体检测方法，属于图像处理与计算机视觉技术领域。包含：S1对所有人脸图像做归一化处理，并将其分为训练集和测试集；S2将扩散速度图像送入卷积神经网络，使用训练集训练卷积神经网络，并使用该网络获取测试集的分类概率；S3提取人脸图像色彩特征，训练SVM模型，并使用该模型获取测试集的分类概率；S4根据训练集在卷积神经网络和SVM模型中的分类概率分别训练权重网络，得到各自最优权重；S5将测试集在卷积神经网络和SVM中的分类概率做加权融合，得到最终检测结果。本发明同时结合图像扩散速度特征和色彩特征更为全面地利用了图像信息，提高了人脸活体检测的准确率。
-
公开(公告)号：CN109583342B
公开(公告)日：2022-11-04
申请号：CN201811391295.4
申请日：2018-11-21
Applicant: 重庆邮电大学
IPC: G06V40/40 , G06V40/16 , G06V10/764
Abstract: 本发明涉及一种基于迁移学习的人脸活体检测方法，属于图像处理与计算机视觉技术领域；所述方法包括将视频数据切分为图像序列，检测图像序列中的人脸，将数据分为训练集和测试集；使用源域的训练集训练3D卷积神经网络，得到区分真假脸的标签分类器；在卷积层后添加梯度反转层，提取源域和目标域的公共特征；把源域和目标域的数据通过梯度反转层进行对抗训练，得到区分源域和目标域数据的域分类器；把目标域的测试集送入到训练好的标签神经网络中，选取网络分类的最大概率为最后的检测结果。本发明把对抗性迁移学习的思想运用到活体检测，提高了活体检测的泛化能力；通过3D卷积神经网络，不仅能利用视频的空间信息也能利用时间信息，还能提高活体检测的精度。
-
公开(公告)号：CN109583342A
公开(公告)日：2019-04-05
申请号：CN201811391295.4
申请日：2018-11-21
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于迁移学习的人脸活体检测方法，属于图像处理与计算机视觉技术领域；所述方法包括将视频数据切分为图像序列，检测图像序列中的人脸，将数据分为训练集和测试集；使用源域的训练集训练3D卷积神经网络，得到区分真假脸的标签分类器；在卷积层后添加梯度反转层，提取源域和目标域的公共特征；把源域和目标域的数据通过梯度反转层进行对抗训练，得到区分源域和目标域数据的域分类器；把目标域的测试集送入到训练好的标签神经网络中，选取网络分类的最大概率为最后的检测结果。本发明把对抗性迁移学习的思想运用到活体检测，提高了活体检测的泛化能力；通过3D卷积神经网络，不仅能利用视频的空间信息也能利用时间信息，还能提高活体检测的精度。
-
-
-
Search Results
4
records
(took 0.02 seconds)
