-
公开(公告)号：CN110516576B
公开(公告)日：2022-12-06
申请号：CN201910768038.6
申请日：2019-08-20
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度神经网络的近红外光活体人脸识别方法，其具体步骤为：构建多任务级联卷积神经网络、活体检测卷积神经网络和人脸识别卷积神经网络，分别对获取的人脸图像进行预处理，得到训练数据集和测试数据集，使用得到的数据集训练和微调神经网络，生成深度神经网络，进行活体人脸识别。本发明利用三维的活体检测卷积神经网络深度提取近红外图像关于真实人脸独特的特征，以此区分真实人脸和伪造人脸，具有针对活体检测问题精度高的优点。
-
Patent Agency Ranking
公开(公告)号：CN109948589A
公开(公告)日：2019-06-28
申请号：CN201910254710.X
申请日：2019-03-31
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于量子深度信念网络的人脸表情识别方法，旨在提高人脸表情识别的精度和效率，实现步骤为：获取训练集R和测试集T；设定迭代参数；对当前稀疏受限玻尔兹曼机的参数进行初始优化；基于多目标优化算法，并通过量子染色体，以并行的方式对初始优化后的隐单元的偏置b进行优化；对偏置b进行更新；对量子深度信念网络进行初始化；对初始化后的量子深度信念网络参数进行微调；获取人脸表情识别结果。本发明在深度信念网络中引入量子机制编码染色体，更有效地提取人脸表情特征，提高了识别精度，同时优化稀疏受限玻尔兹曼机隐单元的偏置时采用并行方式，提高了训练的时间效率。
-
公开(公告)号：CN110516576A
公开(公告)日：2019-11-29
申请号：CN201910768038.6
申请日：2019-08-20
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度神经网络的近红外光活体人脸识别方法，其具体步骤为：构建多任务级联卷积神经网络、活体检测卷积神经网络和人脸识别卷积神经网络，分别对获取的人脸图像进行预处理，得到训练数据集和测试数据集，使用得到的数据集训练和微调神经网络，生成深度神经网络，进行活体人脸识别。本发明利用三维的活体检测卷积神经网络深度提取近红外图像关于真实人脸独特的特征，以此区分真实人脸和伪造人脸，具有针对活体检测问题精度高的优点。
-
公开(公告)号：CN110535681B
公开(公告)日：2021-04-27
申请号：CN201910648583.1
申请日：2019-07-18
Applicant: 西安电子科技大学
IPC: H04L12/24 , G06F16/901 , G06F16/906 , G06Q50/00
Abstract: 本发明提出了一种基于开放运算语言OpenCL并行的量子粒子群算法的重叠社区检测方法，在保证检测正确率的基础上，提高检测效率，实现步骤为：配置开放运算语言OpenCL设备端；CPU主机端构建重叠社区结构的边图L(G)；CPU主机端构建共邻矩阵M；CPU主机端提取共邻矩阵M的特征值和特征向量；CPU主机端获取评价结果cost；CPU主机端构建网格Grid；OpenCL设备端编写不同的内核程序；OpenCL设备端基于量子粒子群算法并行计算和评价第t+1代粒子群的边图L(G)的重叠社区划分结果；CPU主机端构建非支配解集repnew；CPU主机端获取边图L(G)的重叠社区划分结果。
-
公开(公告)号：CN109948589B
公开(公告)日：2022-12-06
申请号：CN201910254710.X
申请日：2019-03-31
Applicant: 西安电子科技大学
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06N3/00 , G06N3/12
Abstract: 本发明提出了一种基于量子深度信念网络的人脸表情识别方法，旨在提高人脸表情识别的精度和效率，实现步骤为：获取训练集R和测试集T；设定迭代参数；对当前稀疏受限玻尔兹曼机的参数进行初始优化；基于多目标优化算法，并通过量子染色体，以并行的方式对初始优化后的隐单元的偏置b进行优化；对偏置b进行更新；对量子深度信念网络进行初始化；对初始化后的量子深度信念网络参数进行微调；获取人脸表情识别结果。本发明在深度信念网络中引入量子机制编码染色体，更有效地提取人脸表情特征，提高了识别精度，同时优化稀疏受限玻尔兹曼机隐单元的偏置时采用并行方式，提高了训练的时间效率。
-
公开(公告)号：CN110535681A
公开(公告)日：2019-12-03
申请号：CN201910648583.1
申请日：2019-07-18
Applicant: 西安电子科技大学
IPC: H04L12/24 , G06F16/901 , G06F16/906 , G06Q50/00
Abstract: 本发明提出了一种基于开放运算语言OpenCL并行的量子粒子群算法的重叠社区检测方法，在保证检测正确率的基础上，提高检测效率，实现步骤为：配置开放运算语言OpenCL设备端；CPU主机端构建重叠社区结构的边图L(G)；CPU主机端构建共邻矩阵M；CPU主机端提取共邻矩阵M的特征值和特征向量；CPU主机端获取评价结果cost；CPU主机端构建网格Grid；OpenCL设备端编写不同的内核程序；OpenCL设备端基于量子粒子群算法并行计算和评价第t+1代粒子群的边图L(G)的重叠社区划分结果；CPU主机端构建非支配解集repnew；CPU主机端获取边图L(G)的重叠社区划分结果。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
