-
公开(公告)号:CN113469091B
公开(公告)日:2022-03-25
申请号:CN202110780580.0
申请日:2021-07-09
申请人: 北京的卢深视科技有限公司 , 合肥的卢深视科技有限公司
IPC分类号: G06V20/64 , G06V40/16 , G06V10/44 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/50
摘要: 本发明实施例涉及计算机技术领域,公开了一种人脸识别方法、训练方法、电子设备及存储介质。本申请的实施例中,人脸识别方法包括:获取人脸图像的候选纹理图像;人脸图像的候选纹理图像包括人脸图像的左脸区域的参数化纹理图像或人脸图像的右脸区域的参数化纹理图像;根据人脸图像的候选纹理图像,得到待识别的参数化纹理图像;将待识别的参数化纹理图像输入人脸识别模型,进行人脸识别;人脸识别模型为预先训练至收敛的基于参数化纹理图像进行人脸识别的网络模型。本申请实施例提供的技术方案提高了人脸识别准确率。
-
公开(公告)号:CN113255807A
公开(公告)日:2021-08-13
申请号:CN202110620497.7
申请日:2021-06-03
申请人: 北京的卢深视科技有限公司 , 合肥的卢深视科技有限公司
摘要: 本发明实施例涉及数据处理领域,公开了一种人脸解析模型训练方法、电子设备及存储介质。人脸解析模型训练方法包括:获取图片训练集,其中,所述图片训练集包含无标注人脸图片;对所述无标注人脸图片进行数据增强,获取增强图片训练集,其中,所述增强图片训练集包含所述无标注人脸图片、增强人脸图片和所述增强人脸图片对应的变换参数;基于预定义的一致性损失函数,利用所述增强图片训练集中的所述无标注人脸图片、所述增强人脸图片和所述变换参数对预设的预训练模型进行训练,获取人脸解析模型。使得本发明可以降低人脸解析模型的训练成本、提高人脸解析模型的泛化效果。
-
公开(公告)号:CN113033525A
公开(公告)日:2021-06-25
申请号:CN202110575536.6
申请日:2021-05-26
申请人: 北京的卢深视科技有限公司 , 合肥的卢深视科技有限公司
摘要: 本发明实施例涉及计算机技术领域,公开了一种图像识别网络的训练方法、电子设备及存储介质。本发明中图像识别网络的训练方法,包括:获取第一图像训练集中第一图像样本的评估结果;将第一图像样本输入预设的初始图像网络的第一网络分支和第二网络分支进行特征提取,得到第一图像样本的第一特征信息和第二特征信息;根据评估结果将第一特征信息和第二特征信息进行融合,生成融合特征,以便基于融合特征和预设的收敛条件,优化第一网络分支的参数和第二网络分支的参数直至得到收敛的初始图像网络作为图像识别网络。采用本发明实施例,可以得到准确的图像识别网络,使得将不同质量的图像输入该图像识别网络,可以获得准确的特征信息。
-
公开(公告)号:CN113033524A
公开(公告)日:2021-06-25
申请号:CN202110575346.4
申请日:2021-05-26
申请人: 北京的卢深视科技有限公司 , 合肥的卢深视科技有限公司
摘要: 本发明实施例涉及数据处理领域,公开了一种遮挡预测模型训练方法、装置、电子设备及存储介质。遮挡预测模型包括特征提取网络和特征金字塔网络,遮挡预测模型训练方法包括:获取人脸图像,其中,所述人脸图像上标注有关键点和关键点遮挡属性;将所述人脸图像输入到所述特征提取网络中,获取人脸特征图像;根据所述人脸特征图像和预设的热图损失函数训练所述特征金字塔网络,获取所述关键点对应的热图;根据所述热图、预设的关键点偏移损失函数和预设的遮挡损失函数训练所述特征金字塔网络,获取训练后的遮挡预测模型。使得本发明可以准确的预测人脸图像的关键点的遮挡属性。
-
公开(公告)号:CN113435273B
公开(公告)日:2022-03-25
申请号:CN202110658676.X
申请日:2021-06-15
申请人: 北京的卢深视科技有限公司 , 合肥的卢深视科技有限公司
IPC分类号: G06V40/16 , G06V10/774 , G06V10/80 , G06K9/62 , G06N3/08
摘要: 本发明实施例涉及数据处理领域,公开了一种数据增广方法、装置、电子设备及存储介质。数据增广方法包括:获取口罩模板数据和待增广人脸数据集,其中,所述口罩模板数据像包括彩色口罩模板数据和深度口罩模板数据;利用预设的人脸重建网络对所述彩色口罩模板数据、所述深度口罩模板数据和所述待增广人脸数据集进行处理,生成增广人脸数据集。使得本发明所获取的人脸数据效果真实且增广性能强。
-
公开(公告)号:CN113469091A
公开(公告)日:2021-10-01
申请号:CN202110780580.0
申请日:2021-07-09
申请人: 北京的卢深视科技有限公司 , 合肥的卢深视科技有限公司
摘要: 本发明实施例涉及计算机技术领域,公开了一种人脸识别方法、训练方法、电子设备及存储介质。本申请的实施例中,人脸识别方法包括:获取人脸图像的候选纹理图像;人脸图像的候选纹理图像包括人脸图像的左脸区域的参数化纹理图像或人脸图像的右脸区域的参数化纹理图像;根据人脸图像的候选纹理图像,得到待识别的参数化纹理图像;将待识别的参数化纹理图像输入人脸识别模型,进行人脸识别;人脸识别模型为预先训练至收敛的基于参数化纹理图像进行人脸识别的网络模型。本申请实施例提供的技术方案提高了人脸识别准确率。
-
公开(公告)号:CN113420731A
公开(公告)日:2021-09-21
申请号:CN202110964796.2
申请日:2021-08-23
申请人: 北京的卢深视科技有限公司 , 合肥的卢深视科技有限公司
摘要: 本发明实施例涉及计算机技术领域,公开了一种模型训练方法、电子设备及计算机可读存储介质。本申请部分实施例中,模型训练方法包括:获取训练图像集,以及训练图像集中各训练图像的标签数据;训练图像包括未遮挡图像和遮挡图像,标签数据包括第一标签和第二标签;第一标签指示训练图像中的人脸对应的身份信息,第二标签指示训练图像中的人脸是否被遮挡;根据训练图像集和标签数据,利用损失函数,训练人脸识别模型和隐变量模型,以优化人脸识别模型。本申请实施例提供的技术方案可以优化人脸识别模型,使得优化后的人脸识别模型可以在人脸存在遮挡的情况下进行人脸识别,提高人脸存在遮挡的情况下的识别准确性。
-
公开(公告)号:CN112926557B
公开(公告)日:2021-09-10
申请号:CN202110509109.8
申请日:2021-05-11
申请人: 北京的卢深视科技有限公司 , 合肥的卢深视科技有限公司
摘要: 本申请实施例提供一种训练多模态人脸识别模型的方法以及多模态人脸识别方法,所述训练方法包括:根据训练得到的目标彩色识别网络和所述目标深度识别网络获取多模态参考集中各类人脸图片的参考彩色识别特征和参考深度识别特征;根据多模态查询集中的图片、所述参考彩色识别特征和所述参考深度识别特征训练多模态人脸识别模型,得到目标多模态人脸识别模型。当配对的RGB‑D人脸图片数据集较少时,通过本申请提供的自适应得分多模态人脸识别方法可以快速训练出鲁棒的多模态人脸识别模型。通过本申请一些实施例提供的方法至少可以实现当配对的RGB‑D人脸图片数据集较少时,通过自适应得分策略快速训练出鲁棒的多模态人脸识别模型。
-
公开(公告)号:CN113065535B
公开(公告)日:2021-08-17
申请号:CN202110616824.1
申请日:2021-06-03
申请人: 北京的卢深视科技有限公司 , 合肥的卢深视科技有限公司
摘要: 本发明实施例涉及神经网络领域,公开了一种关键点检测及检测网络训练的方法、电子设备和存储介质。本发明中,获取预设的关键点模板、训练样本图像和所述训练样本图像对应的样本关键点,所述关键点模板为预先构建的初始关键点检测网络输出结果的形状标准;通过所述初始关键点检测网络,结合所述训练样本图像和所述关键点模板获得训练检测关键点;根据所述训练检测关键点和所述样本关键点对所述初始关键点检测网络进行迭代训练,并将满足预设迭代条件的所述初始关键点检测网络作为训练完成的关键点检测网络。提供了关键点模板作为先验,保证关键点形状正常,提高关键点检测的准确性。
-
公开(公告)号:CN112966670A
公开(公告)日:2021-06-15
申请号:CN202110378905.2
申请日:2021-04-08
申请人: 北京的卢深视科技有限公司 , 合肥的卢深视科技有限公司
摘要: 本发明实施方式涉及图像处理领域,公开了一种人脸识别方法、电子设备及存储介质。本发明的部分实施方式中,人脸识别方法包括:获取二维图像,并基于二维图像获取二维图像对应的法向图;获取二维图像对应的二维特征向量,以及法向图对应的三维特征向量;融合二维特征向量和三维特征向量,得到最终的人脸特征向量;基于最终的人脸特征向量进行人脸识别。该实施方式中,降低了三维信息的获取成本,实现了单模态数据下的多模态人脸识别,提升了人脸识别的准确率。
-
-
-
-
-
-
-
-
-