一种基于深度学习的人脸识别方法.pdf
是浩****32
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于深度学习的人脸识别方法.pdf
一种基于深度学习的人脸识别方法,包括:对基于深度学习人脸识别网络的预训练模型进行训练,生成训练好的人脸识别网络模型;加载训练好的人脸识别网络模型和数据库人脸图像,加载数据库中的图像,通过网络进行人脸定位与人脸编码,作为对比对象;调用摄像头的视频流,取出视频流的每一帧图像进行预处理后,作为人脸识别网络输入对象,通过人脸识别网络进行人脸定位与人脸编码,确定人脸特征的关键点信息;将识别到人脸的关键点依次与数据库中人脸编码进行遍历匹配,计算欧氏距离;判断计算的欧氏距离是否小于预设的最小距离,根据欧氏距离,输出人脸
基于深度学习的人脸口罩高效识别方法.pdf
本发明公开了一种基于深度学习的人脸口罩高效识别方法,包括:首先构建嵌入空间数据库,其中存储有人脸特征向量的嵌入空间;在需要识别的场景中采集人脸图像,将采集的每张人脸图像先通过并行网络进行降维,得到降维后的特征图;将降维后的特征图输入训练好的人脸检测模型中,得到检测后的特征图;再将检测后的特征图输入到训练好的人脸口罩分类模型中进行分类,将分类后的特征图输入到三元网络,得到更加细化的人脸特征向量以及人脸特征向量的嵌入空间;再将所述人脸特征向量输入到多层感知器中,进行人脸特征向量的多层感知与读取,最终通过将人脸
一种基于深度学习的车载人脸表情识别方法.pdf
本发明公开了一种基于深度学习的车载人脸表情识别方法,包括加载FER图像数据集、图像预处理、将数据集分为训练和测试样本、使用预训练的SqueezeNet网络建立模型参数、对模型进行特征提取、将图像数据测试到模型中进行情感分类、计算性能测量参数。本发明的有益效果是:使用一种迁移学习的表情识别框架,实现了通过挤压网络对面部表情的分类,通过迁移学习实现CNN模型的挤压网络用于驾驶员微表情识别;使用一些FER数据库进行性能的评估;分析对比最精确的方法;通过研究卷积神经网络在面部表情识别中的表现,使用一个小型的CNN
一种基于深度学习的人脸多区域融合表情识别方法.pdf
本发明公开了一种基于深度学习的人脸多区域融合表情识别方法,包括下述步骤:用检测模型检测出人脸位置;用关键点模型得到人脸关键点坐标;先根据眼睛部分关键点做眼睛对齐;然后根据整体人脸关键点坐标做人脸对齐,并通过仿射变换裁剪人脸区域;按照一定的比例裁剪图像的眼睛和嘴巴区域。卷积神经网络分为一个主干网络和两个支干网络,在最后一层卷积层进行特征融合,最后通过分类器得到表情分类结果。本发明利用先验信息,除整个人脸之外还将眼睛和嘴巴区域作为网络的输入,通过模型融合使网络既能学习到人脸表情的整体语义特征也能学习到局部区域
基于深度学习的人脸识别方法、装置、设备及介质.pdf
本发明涉及人工智能领域,提供一种基于深度学习的人脸识别方法、装置、设备及介质,能够基于深度可分离卷积构建中间层及主干网络结构,基于BatchNorm构建对齐层及分支,基于总损失函数对主干网络结构及分支构成的初始网络进行自知识蒸馏训练,有效缩短了模型在训练过程中的收敛时间,提升了模型网络的参数利用与效能收敛,以主干网络结构开始训练,直至将知识蒸馏到分支中,以较低的成本搜索到相较于原有的主干网络结构损失更小的分支,删除目标分支以外的其他分支及与其他分支连接的中间层,得到人脸识别模型进行人脸识别,进而利用轻量化