基于深度学习的人脸口罩高效识别方法.pdf
小琛****82
亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
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
一种基于深度学习的人脸口罩佩戴检测方法.pdf
本发明公开了一种基于深度学习的人脸口罩佩戴检测方法,包括如下步骤:S1、数据准备并制作训练集;S2、构建YOLOV4目标检测模型;S3、人脸口罩佩戴检测模型进行视频流实时检测;S4、通过YOLOV4的特征提取网络,提取三个特征层,三个特征层的预测结果分别对应三个边界框的位置;通过先验框对边界框的预测与回归,就可以获得多个边界框的信息,通过非极大值抑制算法,保留置信分最高的边界框作为目标的检测框,从而确定检测框的最终位置,检测识别未佩戴口罩人员。本发明实现了对佩戴口罩和未佩戴口罩人员的检测识别,通过采用YO
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
稀疏表示域中基于深度特征学习的人脸识别方法及系统.pdf
本发明公开了一种稀疏表示域中基于深度特征学习的人脸识别方法及系统,其中方法包括以下步骤:获取人脸图像;采用二维小波分解、局部二值算子与梯度算子对所述人脸图像进行处理,获得所述人脸图像的稀疏表示;将所述稀疏表示输入人脸识别模型进行人脸识别,获得人脸识别结果。本发明通过二维小波变换、局部二值算子和梯度算子处理原始人脸获得稀疏表示,去除冗余信息并保留了富含语义的信息,更适合神经网络对深度特征进行提取,提高人脸识别准确度,可广泛应用于计算机视觉领域。