CN109271974A - 一种轻量化人脸联合检测与识别方法及其系统 - Google Patents
一种轻量化人脸联合检测与识别方法及其系统 Download PDFInfo
- Publication number
- CN109271974A CN109271974A CN201811368162.5A CN201811368162A CN109271974A CN 109271974 A CN109271974 A CN 109271974A CN 201811368162 A CN201811368162 A CN 201811368162A CN 109271974 A CN109271974 A CN 109271974A
- Authority
- CN
- China
- Prior art keywords
- face
- module
- detection
- characteristic pattern
- input
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000000605 extraction Methods 0.000 claims abstract description 29
- 239000000284 extract Substances 0.000 claims abstract description 21
- 238000011176 pooling Methods 0.000 claims description 6
- 230000003321 amplification Effects 0.000 claims description 4
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 4
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 101100084990 Caenorhabditis elegans rpn-3 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种轻量化人脸联合检测与识别方法及其系统，应用于人脸识别领域。其具体思路为：首先从摄像头读取的一张RGB图像，把该图像输入到特征提取网络中，生成检测与识别网络共享的特征图；特征图首先用于输入到区域候选网络得到人脸候选区域及这些区域在RGB图像中的位置信息，这些候选区域与特征图经过处理后再经过人脸特征提取网络提取到人脸特征向量。通过对比人脸特征向量之间的距离，可以得到人脸之间的相似度。本发明能够共享特征图计算结果，减少计算量；并且由于检测与识别用同一个网络实现，训练过程中检测能向有利于识别的方向学习，有利于提高识别质量，同时实现轻量化的目的。
Description
技术领域
本发明涉及人脸识别领域，更具体地，涉及一种轻量化人脸联合检测与识别方法及其系统。
背景技术
现有的人脸检测与识别方案主要分为两个部分，第一部分是基于输入的原始图像做人脸检测，通过计算机视觉算法检测出人脸位置并裁剪出来；第二部分是对基于裁剪出来的人脸图像做特征提取，并对比不同人脸图像的特征距离或者相似度，从而完成最后的人脸识别任务。然而现有的技术存在着三个问题没能有效地解决，首先是整个系统基于两套模型，两套模型不能共享，计算资源要求比较大；其次识别过程的输入依赖检测的输出，识别过程没法直接与现实场景图像对接，必须要有检测过程作为连接，并且识别质量受限于检测算法的质量；再一个就是检测与识别过程关联不大，没有相互适应。
发明内容
本发明为克服上述现有技术所述的裁剪人脸位置过程和对人脸图像做特征提取及识别的过程分开处理的缺陷，提供一种轻量化人脸联合检测与识别系统及其方法。
本发明旨在至少在一定程度上解决上述技术问题。
本发明的首要目的是提供一种轻量化人脸联合检测与识别方法及其系统将人脸的裁剪以及特征提取识别合并在一个系统中进行处理。
本发明的首要次要目的是提高识别质量并减少计算量。
为解决上述技术问题，本发明的技术方案如下：一种基于轻量化人脸联合检测与识别的方法包括以下步骤：
S1：将训练图像进行初始化并输入到人脸联合检测与识别网络中；
S2：将训练图像输入到人脸联合检测与识别网络中并对其中的主干网络模块、区域候选模块RPN以及人脸特征提取模块进行训练；
S3：将待测图像输入到训练好的人脸联合检测与识别网络中实现人脸的识别。
优选地，步骤S2中对人脸联合检测与识别网络中的主干网络模块、区域候选模块RPN以及人脸特征提取模块进行训练的具体步骤为：
S21：将训练图像输入到主干网络模块中得到特征图；
S22：将特征图输入到区域候选模块，得到生成的锚点信息；
S23：将区域候选模块训练时得到的锚点信息及主干网络模块生成的特征图一起经过池化后作为人脸特征提取网络的输入；
S24：重复迭代S21至S23直到主干网络模块、区域候选网络模块和人脸特征提取网络中的参数收敛即终止。
优选地，对人脸联合检测与识别网络进行训练的训练方法为梯度下降法。
优选地，步骤S3将待测图像输入到训练好的人脸联合检测与识别网络中实现人脸的识别的具体步骤为：
S31：将待测RGB图像输入到主干网络模块，提取出特征图；
S32：将提取的特征图输入到区域候选网络得到得到若干锚点信息，即人脸位置信息；
S33：将每个锚点信息与特征图经过ROI Pooling池化后输入到人脸特征提取模块；
S34：人脸特征提取模块提取出人脸特征向量，计算特征向量之间的距离，完成人脸识别任务。
优选地，步骤S34中计算特征向量之间的距离，所述的距离为欧式距离或者余弦距离。
同一种发明构思下的另一种方案如下：一种轻量化人脸联合检测与识别方法的系统，包括主干网络模块、区域候选模块RPN以及人脸特征提取模块；
主干网络模块用于读取摄像头的RGB图像，并且输出特征图；
区域候选模块RPN用于生成RGB图像中的人脸位置信息；
人脸特征提取模块用于对经过感兴趣区域池化的锚点信息与特征图进行处理，得到人脸特征向量。
本发明首先从摄像头读取的一张RGB图像，把该图像输入到主干网络模块中，生成检测与识别网络共享的特征图；特征图首先用于输入到区域候选模块得到人脸候选区域及这些区域在RGB图像中的位置信息，这些候选区域与特征图经过处理后再经过人脸特征提取模块提取到人脸特征向量，通过对比人脸特征向量之间的距离，可以得到人脸之间的相似度。
优选地，所述的主干网络模块，其生成的特征图被区域候选模块RPN和人脸特征提取模块共享。
优选地，所述的区域候选模块包括一个3x3的256通道卷积层，两路1x1卷积层分支，两路分支通道数分别是6通道和12通道；
其中区域候选模块RPN的3x3滑窗遍历主干网络模块输出的特征图上的点，计算特征图上每个点对应的RGB图像位置在若干种长宽比及大小的矩形框中包含人脸的概率；在每个点上选用3种放大倍数和长宽比都是1:1的3个锚点；每个点经过区域候选模块RPN计算得到两路结果，一路是6通道计算出的6维数组得到三个锚点的置信度，另一路是12通道计算出的12维数组得到三个锚点的中心坐标、长和宽。
与现有技术相比，本发明技术方案的有益效果是：首先，人脸联合检测与识别网络共用了主干网络生成的特征图，减少了计算量；其次，人脸联合检测与识别网络因为有共同的的主干网络，且人脸特征提取网络使用区域候选网络RPN输出结果作为输入，可以使检测与识别相互适应，使训练结果更有利于识别。最后选用了轻量化的并且为嵌入式设备优化的MobileNet V2的一部分作为主干网络使脸联合检测与识别网络具有轻量化的特点，适合于嵌入式设备上使用。
附图说明
图1为本发明的流程图。
图2为本发明人脸联合检测与识别网络的系统图。
图3为本发明修改后的区域候选模块的结构图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示的人脸联合检测与识别网络的流程图，其工作流程包括：
S1：将训练图像进行初始化并输入到人脸联合检测与识别网络中。
S2：将训练图像输入到人脸联合检测与识别网络中并对其中的主干网络模块、区域候选模块RPN以及人脸特征提取模块进行训练；
S21：将训练图像输入到主干网络模块中得到特征图；
S22：将特征图输入到区域候选模块，得到生成的锚点信息；
S23：将区域候选模块训练时得到的锚点信息及主干网络模块生成的特征图一起经过池化后作为人脸特征提取网络的输入；
S24：重复迭代S21至S23直到主干网络模块、区域候选网络模块和人脸特征提取网络中的参数收敛即终止。
S3：将待测图像输入到训练好的人脸联合检测与识别网络中实现人脸的识别；
S31：将待测RGB图像输入到主干网络模块，提取出特征图；
S32：将提取的特征图输入到区域候选网络得到得到若干锚点信息，即人脸位置信息；
S33：将每个锚点信息与特征图经过ROI Pooling池化后输入到人脸特征提取模块；
S34：人脸特征提取模块提取出人脸特征向量，计算特征向量之间的欧式距离或者余弦距离，完成人脸识别任务。
如图2所示的人脸联合检测与识别网络的系统图，包括主干网络模块、区域候选模块RPN以及人脸特征提取模块。
其中主干网络模块生成的特征图被区域候选模块RPN和人脸特征提取模块共享。
区域候选模块RPN的优化结构如图3所示：包括一个3x3的256通道卷积层，两路1x1卷积层分支，两路分支通道数分别是6通道和12通道。区域候选网络RPN的3x3滑窗遍历特征图上的点，计算特征图上每个点对应的RGB图像位置在若干种长宽比及大小的矩形框中包含人脸的概率，而在一个点上每一种矩形框可以称作一个锚点。在区域候选网络RPN中，特征图上每个点一般会设置3种放大倍数和三种长宽比共计3x3=9个锚点。由于这里用作人脸检测，因此在每个点上选用3种放大倍数和长宽比都是1:1的3个锚点减少计算量和优化效果。因此每个点都会经过区域候选网络RPN计算得到两路结果，一路是6通道计算出的6维数组，分别代表三个锚点对应矩形框中是否包含人脸的概率；另一路是12通道计算出的12维数组，分别代表三个锚点对应矩形框的坐标和长宽。RPN计算出特征图中每个点的三个锚点对应矩形框包含人脸的概率后，经过非极大值抑制选取对应矩形框包含人脸概率值高的若干个锚点信息输出。
人脸特征提取模块，是将区域候选模块得到的锚点信息以及主干网络模块生成的特征图经过ROI Pooling池化，即将锚点位置对应的3x3滑窗从特征图截取出来；然后将截取出来的特征图划分为若干个大小相近的区域；最后对每个划分区域进行最大池化（maxpooling）操作即每个区域选取最大的值，组成新的特征图；再将特征图输入到人脸特征提取模块提取出人脸特征向量，计算特征向量之间的距离以及相似度，完成人脸识别任务。
在具体实施过程中，对人脸联合检测与识别网络采用梯度下降法进行训练。首先将训练图像输入到系统中通过主干网络模块生成特征图，再对区域候选模块进行训练得到生成的锚点信息，之后对人脸特征提取模块进行训练，把区域候选模块训练时得到的锚点信息及主干网络模块生成的特征图作为人脸特征提取网络的输入；重复迭代以上步骤直到区域候选网络RPN和人脸特征提取网络都收敛即终止。
待模型训练完成后，将待测RGB图像输入到主干网络模块，提取出特征图；
将提取的特征图输入到区域候选网络得到得到若干锚点信息，即人脸位置信息；
将每个锚点信息与特征图经过ROI Pooling池化后输入到人脸特征提取模块；人脸特征提取模块提取出人脸特征向量，计算特征向量之间的距离（距离可以是欧式距离或者余弦距离），完成人脸识别任务。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (8)
1.一种基于轻量化人脸联合检测与识别的方法，其特征在于，包括以下步骤：
S1：将训练图像进行初始化；
S2：将训练图像输入到人脸联合检测与识别网络中并对其中的主干网络模块、区域候选模块RPN以及人脸特征提取模块进行训练；
S3：将待测图像输入到训练好的人脸联合检测与识别网络中实现人脸的识别。
2.根据权利要求1所述的一种基于轻量化人脸联合检测与识别的方法，其特征在于，步骤S2中对人脸联合检测与识别网络中的主干网络模块、区域候选模块RPN以及人脸特征提取模块进行训练的具体步骤为：
S21：将训练图像输入到主干网络模块中得到特征图；
S22：将特征图输入到区域候选模块，得到生成的锚点信息；
S23：将区域候选模块训练时得到的锚点信息及主干网络模块生成的特征图一起经过池化后作为人脸特征提取网络的输入；
S24：重复迭代S21至S23直到主干网络模块区域、区域候选网络模块和人脸特征提取网络中的参数收敛即终止。
3.根据权利要求2所述的一种基于轻量化人脸联合检测与识别的方法，其特征在于，对人脸联合检测和识别网络进行训练的训练方法为梯度下降法。
4.根据权利要求1所述的一种基于轻量化人脸联合检测与识别系统的方法，其特征在于，步骤S3将待测图像输入到训练好的人脸联合检测与识别网络中实现人脸的识别的具体步骤为：
S31：将待测RGB图像输入到主干网络模块，提取出特征图；
S32：将提取的特征图输入到区域候选网络得到得到若干锚点信息，即人脸位置信息；
S33：将每个锚点信息与特征图经过ROI Pooling池化后输入到人脸特征提取模块；
S34：人脸特征提取模块提取出人脸特征向量，计算特征向量之间的距离，完成人脸识别任务。
5.根据权利要求4所述的一种基于轻量化人脸联合检测与识别系统的方法，其特征在于，步骤S34中计算特征向量之间的距离，所述的距离为欧式距离或者余弦距离。
6.一种基于轻量化人脸联合检测与识别方法的系统，其特征在于：包括主干网络模块、区域候选模块RPN以及人脸特征提取模块；
主干网络模块用于读取摄像头的RGB图像，并且输出特征图；
区域候选模块RPN用于生成RGB图像中的锚点信息，即人脸位置信息；
人脸特征提取模块用于对经过感兴趣区域池化的锚点信息与特征图进行处理，得到人脸特征向量。
7.根据权利要求6所述的一种基于轻量化人脸联合检测与识别方法的系统，其特征在于：所述的主干网络模块，其生成的特征图被区域候选模块RPN和人脸特征提取模块共享。
8.根据权利要求6所述的一种基于轻量化人脸联合检测与识别方法的系统其特征在于：所述的区域候选模块包括一个3x3的256通道卷积层，两路1x1卷积层分支，两路分支通道数分别是6通道和12通道；
其中区域候选模块RPN的3x3滑窗遍历主干网络模块输出的特征图上的点，计算特征图上每个点对应的RGB图像位置在若干种长宽比及大小的矩形框中包含人脸的概率；在每个点上选用3种放大倍数和长宽比都是1:1的3个锚点；每个点经过区域候选模块RPN计算得到两路结果，一路是6通道计算出的6维数组得到三个锚点的置信度，另一路是12通道计算出的12维数组得到三个锚点的中心坐标、长和宽。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811368162.5A CN109271974A (zh) | 2018-11-16 | 2018-11-16 | 一种轻量化人脸联合检测与识别方法及其系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811368162.5A CN109271974A (zh) | 2018-11-16 | 2018-11-16 | 一种轻量化人脸联合检测与识别方法及其系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109271974A true CN109271974A (zh) | 2019-01-25 |
Family
ID=65189871
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811368162.5A Pending CN109271974A (zh) | 2018-11-16 | 2018-11-16 | 一种轻量化人脸联合检测与识别方法及其系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109271974A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111414812A (zh) * | 2020-03-03 | 2020-07-14 | 平安科技（深圳）有限公司 | 人体属性识别方法、系统、计算机设备及存储介质 |
| CN111611934A (zh) * | 2020-05-22 | 2020-09-01 | 北京华捷艾米科技有限公司 | 一种人脸检测模型生成和人脸检测方法、装置及设备 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104301669A (zh) * | 2014-09-12 | 2015-01-21 | 重庆大学 | 基于双摄像头协同的可疑目标检测跟踪与识别方法 |
| CN105224945A (zh) * | 2015-09-18 | 2016-01-06 | 电子科技大学 | 一种基于联合检测与辨识算法的车标识别方法 |
| CN106599856A (zh) * | 2016-12-19 | 2017-04-26 | 四川长虹电器股份有限公司 | 一种联合人脸检测、定位和识别的方法 |
| CN106650672A (zh) * | 2016-12-27 | 2017-05-10 | 深圳云天励飞技术有限公司 | 实时人脸识别中级联检测及特征提取和匹配的方法 |
| CN106909882A (zh) * | 2017-01-16 | 2017-06-30 | 广东工业大学 | 一种应用于保安机器人的人脸识别系统及方法 |
| CN106909909A (zh) * | 2017-03-08 | 2017-06-30 | 王华锋 | 一种基于共享卷积特征的人脸检测与对齐方法 |
| CN107273783A (zh) * | 2016-08-23 | 2017-10-20 | 苏州金脑袋智能系统工程有限公司 | 人脸识别系统及其方法 |
| CN107273836A (zh) * | 2017-06-07 | 2017-10-20 | 深圳市深网视界科技有限公司 | 一种行人检测识别方法、装置、模型和介质 |
| CN107895160A (zh) * | 2017-12-21 | 2018-04-10 | 曙光信息产业(北京)有限公司 | 人脸检测与识别装置及方法 |
| CN107944429A (zh) * | 2017-12-15 | 2018-04-20 | 深圳市图芯智能科技有限公司 | 一种面部识别方法、装置及其使用的移动终端 |
| US9953210B1 (en) * | 2017-05-30 | 2018-04-24 | Gatekeeper Inc. | Apparatus, systems and methods for improved facial detection and recognition in vehicle inspection security systems |
| CN108805844A (zh) * | 2018-06-30 | 2018-11-13 | 合肥工业大学 | 一种基于先验滤波的轻量化回归网络构建方法 |
-
2018
- 2018-11-16 CN CN201811368162.5A patent/CN109271974A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104301669A (zh) * | 2014-09-12 | 2015-01-21 | 重庆大学 | 基于双摄像头协同的可疑目标检测跟踪与识别方法 |
| CN105224945A (zh) * | 2015-09-18 | 2016-01-06 | 电子科技大学 | 一种基于联合检测与辨识算法的车标识别方法 |
| CN107273783A (zh) * | 2016-08-23 | 2017-10-20 | 苏州金脑袋智能系统工程有限公司 | 人脸识别系统及其方法 |
| CN106599856A (zh) * | 2016-12-19 | 2017-04-26 | 四川长虹电器股份有限公司 | 一种联合人脸检测、定位和识别的方法 |
| CN106650672A (zh) * | 2016-12-27 | 2017-05-10 | 深圳云天励飞技术有限公司 | 实时人脸识别中级联检测及特征提取和匹配的方法 |
| CN106909882A (zh) * | 2017-01-16 | 2017-06-30 | 广东工业大学 | 一种应用于保安机器人的人脸识别系统及方法 |
| CN106909909A (zh) * | 2017-03-08 | 2017-06-30 | 王华锋 | 一种基于共享卷积特征的人脸检测与对齐方法 |
| US9953210B1 (en) * | 2017-05-30 | 2018-04-24 | Gatekeeper Inc. | Apparatus, systems and methods for improved facial detection and recognition in vehicle inspection security systems |
| CN107273836A (zh) * | 2017-06-07 | 2017-10-20 | 深圳市深网视界科技有限公司 | 一种行人检测识别方法、装置、模型和介质 |
| CN107944429A (zh) * | 2017-12-15 | 2018-04-20 | 深圳市图芯智能科技有限公司 | 一种面部识别方法、装置及其使用的移动终端 |
| CN107895160A (zh) * | 2017-12-21 | 2018-04-10 | 曙光信息产业(北京)有限公司 | 人脸检测与识别装置及方法 |
| CN108805844A (zh) * | 2018-06-30 | 2018-11-13 | 合肥工业大学 | 一种基于先验滤波的轻量化回归网络构建方法 |
Non-Patent Citations (4)
| Title |
|---|
| JIANG WEI ET AL: "FACE DETECTION AND RECOGNITION FOR HOME SERVICE ROBOTS WITH END-TO-END DEEP NEURAL NETWORKS", 《IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING (ICASSP)》 * |
| LIYING CHI ET AL: "End-to-End Spatial Transform Face Detection and Recognition", 《ARXIV:1703.10818V1》 * |
| REN SHAOQING ET AL: "Faster R-CNN: Towards Real-Time Object Detection", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
| YUANYI ZHONG ET AL: "Towards End-to-End Face Recognition through Alignment Learning", 《ARXIV:1701.07174V1》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111414812A (zh) * | 2020-03-03 | 2020-07-14 | 平安科技（深圳）有限公司 | 人体属性识别方法、系统、计算机设备及存储介质 |
| CN111611934A (zh) * | 2020-05-22 | 2020-09-01 | 北京华捷艾米科技有限公司 | 一种人脸检测模型生成和人脸检测方法、装置及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113240691B (zh) | 一种基于u型网络的医学图像分割方法 | |
| CN108319972B (zh) | 一种针对图像语义分割的端到端差异网络学习方法 | |
| CN110276264B (zh) | 一种基于前景分割图的人群密度估计方法 | |
| CN109492627B (zh) | 一种基于全卷积网络的深度模型的场景文本擦除方法 | |
| CN112184752A (zh) | 一种基于金字塔卷积的视频目标跟踪方法 | |
| CN106599883A (zh) | 一种基于cnn的多层次图像语义的人脸识别方法 | |
| WO2023087636A1 (zh) | 异常检测方法及装置、电子设备、存储介质和计算机程序产品 | |
| CN115690542B (zh) | 一种基于改进yolov5的航拍绝缘子定向识别方法 | |
| CN109446922B (zh) | 一种实时鲁棒的人脸检测方法 | |
| CN112801057A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
| CN110443173A (zh) | 一种基于帧间关系的视频实例分割方法及系统 | |
| CN109543632A (zh) | 一种基于浅层特征融合引导的深层网络行人检测方法 | |
| KR20180055070A (ko) | 재질 인식 및 재질 트레이닝을 수행하는 방법 및 장치 | |
| CN111160291B (zh) | 基于深度信息与cnn的人眼检测方法 | |
| CN106373128B (zh) | 一种嘴唇精确定位的方法和系统 | |
| CN110472495B (zh) | 一种基于图形推理全局特征的深度学习人脸识别方法 | |
| CN108197669B (zh) | 卷积神经网络的特征训练方法及装置 | |
| KR102131592B1 (ko) | 딥러닝 기반 3차원 원형 예측 장치 | |
| CN107944386A (zh) | 基于卷积神经网络的视觉场景识别方法 | |
| CN113762009B (zh) | 一种基于多尺度特征融合及双注意力机制的人群计数方法 | |
| CN115588190A (zh) | 一种成熟果实识别和采摘点定位方法及装置 | |
| CN108256454A (zh) | 一种基于cnn模型的训练方法、人脸姿态估测方法及装置 | |
| CN109271974A (zh) | 一种轻量化人脸联合检测与识别方法及其系统 | |
| Kumar et al. | Automatic image segmentation using wavelets | |
| CN107977618B (zh) | 一种基于双层级联神经网络的人脸对齐方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190125 |
|
| RJ01 | Rejection of invention patent application after publication |