-
公开(公告)号：CN116129227B
公开(公告)日：2023-09-01
申请号：CN202310385857.9
申请日：2023-04-12
Applicant: 合肥的卢深视科技有限公司
IPC: G06V10/774 , G06V40/16
Abstract: 本申请实施例涉及人脸检测技术领域，公开了一种模型训练方法、装置、电子设备及计算机可读存储介质。上述模型训练方法包括：分别将获取到的若干个人脸图像输入到待训练模型中，得到若干个人脸特征向量；其中，各人脸图像均携带有用于表征身份的标识信息；根据若干个人脸特征向量，以及若干个人脸特征向量对应的人脸图像的标识信息，更新预构建的身份代理池中的身份代理或生成新的身份代理；其中，每个身份代理均对应有代理标识信息和代理人脸特征向量；基于各人脸特征向量与各代理人脸特征向量之间的相似度，对待训练模型进行训练，直至满足预设的收敛条件，得到训练完成的模型，训练过程对硬件资源的要求较低，并且计算量较小，训练效率高。
-
公开(公告)号：CN115376213A
公开(公告)日：2022-11-22
申请号：CN202210832738.9
申请日：2022-07-14
Applicant: 合肥的卢深视科技有限公司
Abstract: 本发明实施例涉及人工智能技术领域，公开了一种活体检测网络的训练及活体检测方法、装置、设备及介质。活体检测网络包括特征提取网络和球心预测网络，活体检测网络的训练方法包括：获取训练数据，训练数据包括至少一个由至少一张活体人脸图像和一张假体人脸图像组成的图像组；基于特征提取网络对训练数据进行特征提取，得到活体特征向量和假体特征向量；基于训练数据驱动球心预测网络，生成球心向量；根据活体特征向量、假体特征向量和球心向量，确定损失值；根据损失值，向活体特征向量与球心向量距离更近且假体特征向量与球心向量距离更远的方向调整特征提取网络和球心预测网络的参数。提高了活体检测网络的鲁棒性。
-
公开(公告)号：CN115063374A
公开(公告)日：2022-09-16
申请号：CN202210731159.5
申请日：2022-06-24
Applicant: 合肥的卢深视科技有限公司
IPC: G06T7/00 , G06V10/762 , G06V40/16
Abstract: 本发明实施例涉及人脸图像处理领域，公开了一种模型训练、人脸图像质量评分方法、电子设备及存储介质。本发明中，模型训练方法，包括：构建用于从人脸图像提取人脸特征向量的特征编码网络，人脸特征向量作为样本服从第一正态分布；构建用于生成描述人脸图像为好质量和坏质量的两个聚类中心向量的聚类中心网络，两个聚类中心向量分别作为样本服从第二正态分布；构建分类概率模型，分类概率模型用于生成人脸图像分别属于好质量和坏质量的分类概率值；以未标注标签的人脸图像作为训练样本，对特征编码网络、聚类中心网络和分类概率模型进行联合训练，得到训练好的特征编码网络和聚类中心网络。
-
公开(公告)号：CN113192028B
公开(公告)日：2022-05-31
申请号：CN202110471789.9
申请日：2021-04-29
Applicant: 合肥的卢深视科技有限公司
Abstract: 本发明实施例公开了一种人脸图像的质量评价方法、装置、电子设备及存储介质。人脸图像的评价方法，包括：获取来自同一人的Q张人脸图像，其中，Q为大于1的整数；将Q张人脸图像输入人脸识别模型中的特征提取网络，获取Q个测试特征向量，其中，特征提取网络的目标函数包含余弦相似度损失项；获取第q个测试特征向量与第p个测试特征向量之间的余弦相似度，得到Q个第一余弦相似度，其中，q为正整数且1≤q≤Q，p＝1，2，……，Q；根据Q个第一余弦相似度生成第q个测试特征向量对应图像的评分标签，评分标签用于判断是否对第q个测试特征向量对应图像进行人脸识别。达到对人脸图像的质量评价客观、准确，并且能够与人脸识别模型契合的目的。
-
公开(公告)号：CN113936320B
公开(公告)日：2022-03-25
申请号：CN202111229541.8
申请日：2021-10-21
Applicant: 北京的卢深视科技有限公司 , 合肥的卢深视科技有限公司
Abstract: 本发明实施例涉及图像处理领域，公开了一种人脸图像质量评价方法、电子设备及存储介质，其中方法包括：以不同质量的人脸图像作为输入、人脸的n维特征向量作为输出，构建特征提取模型；对由两个n维高斯函数构成的混合高斯函数，采用期望最大化算法进行迭代更新，得到混合高斯函数的均值和协方差；将人脸图像中好质量的人脸图像对应的n维特征向量，与混合高斯函数中的均值进行距离比较，并将整体距离较近的均值对应的n维高斯函数作为选定的n维高斯函数；将待评价的人脸图像经特征提取模型处理后得到的n维特征向量输入至选定的n维高斯函数，得到该人脸图像为好质量的评价值。本方案对人脸图像质量的评价符合人类主观感觉，可解释性强。
-
Patent Agency Ranking
公开(公告)号：CN112613448B
公开(公告)日：2021-12-28
申请号：CN202011597140.3
申请日：2020-12-28
Applicant: 北京的卢深视科技有限公司 , 合肥的卢深视科技有限公司
Abstract: 本发明提供一种人脸数据标注方法及系统，该方法包括：获取待标注人脸图像中预设关键点的预设位置信息；根据所述预设关键点的预设位置信息以及不同的预设关键点之间的几何位置关系，获取所述待标注人脸图像中的标注信息。本发明提供一种人脸数据标注方法及系统，通过待标注人脸图像中的已知位置的预设关键点，以及预设关键点之间的几何位置信息，推测出待标注人脸图像中其它的标注信息，与传统的经过神经网络或聚类算法进行标注相比，不需要进行神经网络的训练或聚类模型的收敛等，提高了人脸数据标注方法的计算效率，适合大规模的人脸数据标注。
-
公开(公告)号：CN115908260B
公开(公告)日：2023-10-20
申请号：CN202211288465.2
申请日：2022-10-20
Applicant: 北京的卢铭视科技有限公司 , 合肥的卢深视科技有限公司
IPC: G06T7/00 , G06V10/74 , G06V10/774 , G06V40/16
Abstract: 本申请实施例涉及图像识别领域，公开了一种模型训练方法、人脸图像质量评价方法、设备及介质。模型训练方法包括：获取第一人脸图像对应的第一处理图像，第一处理图像是由属于第一人脸图像中多个预设类型的关键点对应的图像块按照预设顺序组合形成的图像，或将组合形成的图像中至少一个图像块替换为不属于该图像块所属关键点类型的图像块后形成的图像；构建用于提取第一处理图像的第一特征向量的特征提取模型，以及不包含输入且输出为参考向量的特征生成模型；根据第一特征向量和参考向量构建损失函数，对特征提取模型和特征生成模型进行联合训练，以得到鲁棒性高的特征提取模型，从而使得模型能准确处理未出现在训练样本中的人脸图像。
-
公开(公告)号：CN116091875A
公开(公告)日：2023-05-09
申请号：CN202310375684.2
申请日：2023-04-11
Applicant: 合肥的卢深视科技有限公司
Abstract: 本申请实施例涉及图像识别领域，公开了一种模型训练方法、活体检测方法、电子设备及存储介质。模型训练方法包括：通过特征提取网络中的多个分支网络对人脸图像进行特征提取得到多个人脸特征；基于多个人脸特征确定多个第一预测概率，基于多个第一预测概率得到第二预测概率；对特征提取网络进行迭代训练；各分支网络中分别存在一个网络层作为特定网络层，各特定网络层在每次迭代训练过程中被配置为：每个特定网络层的输入特征包括所在分支网络的前一网络层的输出特征，或者进一步还包括所有特定网络层中至少一个特定网络层所在分支网络的前一网络层的输出特征融合后的特征。本申请的训练方法提升了各分支网络特征提取的准确性、稳定性和效率。
-
公开(公告)号：CN114913404A
公开(公告)日：2022-08-16
申请号：CN202210438276.2
申请日：2022-04-25
Applicant: 合肥的卢深视科技有限公司
Abstract: 本发明实施例涉及图像识别领域，公开了一种模型训练、人脸图像活体检测方法、电子设备及存储介质，通过构建特征提取模型，以及不包含输入的特征生成模型；提取训练集中相同数量的第一活体人脸图像和第一假体人脸图像；在第一活体人脸图像上叠加偏差张量，得到第二假体人脸图像；以第一活体人脸图像、第一假体人脸图像和第二假体人脸图像作为训练样本，输入到特征提取模型中，对特征提取模型和特征生成模型进行第一联合训练；损失约束为第一活体人脸图像对应的第一特征向量与所述第二特征向量的方向相互靠近，第一假体人脸图像、第二假体人脸图像对应的第一特征向量与第二特征向量的方向相互远离，从而有效提高对假体人脸图像的检测准确性。
-
公开(公告)号：CN114550235A
公开(公告)日：2022-05-27
申请号：CN202210051385.9
申请日：2022-01-17
Applicant: 合肥的卢深视科技有限公司
IPC: G06V40/16 , G06K9/62 , G06V10/774
Abstract: 本申请涉及数据处理领域，公开一种姿态角检测方法、系统、电子设备及存储介质。姿态角检测方法包括：获取待检测的人脸图像；根据预设的姿态角检测模型对所述人脸图像进行处理，获取所述人脸图像的特征向量，其中，所述姿态角检测模型通过先根据第一训练数据集和预设的采用第二预训练模型辅助训练的第一训练阶段对第一预训练模型进行训练生成第一训练模型，后根据第二训练数据集和第三训练数据集和预设的采用所述第二预训练模型辅助训练的第二训练阶段对所述第一训练模型进行训练生成所述姿态角检测模型的方法生成的；基于预设的偏转角计算函数和俯仰角计算函数，根据所述特征向量获取所述人脸图像的偏转角和俯仰角。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.04 seconds)
