-
公开(公告)号：CN113239866B
公开(公告)日：2022-12-13
申请号：CN202110603019.5
申请日：2021-05-31
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于时空特征融合与样本注意增强的人脸识别方法及系统，通过人脸检测得到视频中特定目标人脸序列并对其进行评分；使用时间序列处理算法ConvGRU对人脸序列进行时间特征提取；从人脸序列中选出分数最高的图像作为关键帧；送入到Resnet50网络中提取出三种不同深度的特征图，使用空间特征融合算法ASFF计算得到空间特征；最后，将上述得到的时间特征和空间特征在通道维度上拼接后送入全局平均池化层和全连接层，使用提出的ADAM‑Softmax损失函数对模型进行训练；由于ADAM‑Softmax损失函数能够自适应增强对类内差异性较大样本的注意，从而使得模型在快速收敛同时也能达到较高识别准确率。
-
公开(公告)号：CN113420806B
公开(公告)日：2023-02-03
申请号：CN202110688239.2
申请日：2021-06-21
申请人： 西安电子科技大学
IPC分类号： G06V10/776 , G06V40/16 , G06V10/74
摘要： 本发明公开了一种人脸检测质量评分方法及系统，构造人脸检测网络并进行预训练，使得模型可以准确定位出人脸的位置；同时提出了一种可以在训练过程中对奖惩进行自动调节的奖励函数，并与人脸检测网络组成环境生成器；使用浅层卷积神经网络构成智能体对人脸质量进行评分。训练智能体时采用了经验回放策略和目标Q网络算法，可以有效的提升训练速度和模型的性能。本发明利用不同质量的人脸之间的差异性较大这一特性，并结合深度强化学习思想与自调节奖惩机制实现对人脸的质量评分，能够高效的从视频数据中选出质量较好的人脸，提升人脸识别系统的性能。
-
公开(公告)号：CN113420806A
公开(公告)日：2021-09-21
申请号：CN202110688239.2
申请日：2021-06-21
申请人： 西安电子科技大学
摘要： 本发明公开了一种人脸检测质量评分方法及系统，构造人脸检测网络并进行预训练，使得模型可以准确定位出人脸的位置；同时提出了一种可以在训练过程中对奖惩进行自动调节的奖励函数，并与人脸检测网络组成环境生成器；使用浅层卷积神经网络构成智能体对人脸质量进行评分。训练智能体时采用了经验回放策略和目标Q网络算法，可以有效的提升训练速度和模型的性能。本发明利用不同质量的人脸之间的差异性较大这一特性，并结合深度强化学习思想与自调节奖惩机制实现对人脸的质量评分，能够高效的从视频数据中选出质量较好的人脸，提升人脸识别系统的性能。
-
公开(公告)号：CN113239866A
公开(公告)日：2021-08-10
申请号：CN202110603019.5
申请日：2021-05-31
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于时空特征融合与样本注意增强的人脸识别方法及系统，通过人脸检测得到视频中特定目标人脸序列并对其进行评分；使用时间序列处理算法ConvGRU对人脸序列进行时间特征提取；从人脸序列中选出分数最高的图像作为关键帧；送入到Resnet50网络中提取出三种不同深度的特征图，使用空间特征融合算法ASFF计算得到空间特征；最后，将上述得到的时间特征和空间特征在通道维度上拼接后送入全局平均池化层和全连接层，使用提出的ADAM‑Softmax损失函数对模型进行训练；由于ADAM‑Softmax损失函数能够自适应增强对类内差异性较大样本的注意，从而使得模型在快速收敛同时也能达到较高识别准确率。
-
-
-
搜索结果
4 条记录 (耗时 0.025 秒)
