检索结果-内蒙古大学图书馆

哈尔滨工程大学学报 2024年第9期45卷 1770-1782页

作者：谷凤伟陆军刘子玄蔡成涛哈尔滨工程大学智能科学与工程学院黑龙江哈尔滨150001 哈尔滨工程大学船海装备智能化技术与应用教育部重点实验室黑龙江哈尔滨150001

针对实际应用中人脸比对面临着场景复杂性高、光照、遮挡等问题,为了提高人脸比对准确率,本文提出了一种基于深度卷积判别网络的人脸比对算法MTC-FaceNetSDM。建立了MTC-FaceNetSDM的深度卷积神经网络,在FaceNet网络前端中融合多任务级... 详细信息

针对实际应用中人脸比对面临着场景复杂性高、光照、遮挡等问题,为了提高人脸比对准确率,本文提出了一种基于深度卷积判别网络的人脸比对算法MTC-FaceNetSDM。建立了MTC-FaceNetSDM的深度卷积神经网络,在FaceNet网络前端中融合多任务级联卷积神经网络得到MTC-FaceNet网络,实现实际场景中的人脸检测提取目标人脸;利用深度卷积神经网络获取高维人脸深度特征,并将FaceNet网络的欧氏距离模块替换为所提出的相似度判别模块SDM,用于高维人脸特征向量比对;最终,利用自制的人脸数据集C-facev1,结合CASIA-WebFace人脸数据集对本文人脸比对算法进行训练,使用人脸数据集LFW和CASIA-FaceV5对训练后的模型进行性能评估。实验结果表明:本文所设计的MTC-FaceNetSDM的人脸比对准确率比MTC-FaceNet整体提高1.48%,对中国人脸比对准确率提高3.80%,可实现多人种的人脸比对,同时该算法具备良好的鲁棒性和泛化能力,达到优良的人脸比对效果,可实际应用于人脸验证系统。

关键词：人脸比对深度卷积判别网络多任务级联卷积神经网络相似度判别模块人脸特征向量

来源：评论

学校读者我要写书评

暂无评论

基于轻量级卷积神经网络的人脸检测与年龄估计研究

基于轻量级卷积神经网络的人脸检测与年龄估计研究

引用

作者：汪洋辽宁科技大学

学位级别：硕士

伴随着人脸属性的发掘和该项研究在各个领域的广泛使用,人脸检测与年龄估计也就在这个时期获得了广泛的关注和研究。由于人脸的个体差异性和人物所处环境的复杂性导致人脸检测与年龄估计任务研究的困难层出不穷,因此该任务的研究工作非... 详细信息

伴随着人脸属性的发掘和该项研究在各个领域的广泛使用,人脸检测与年龄估计也就在这个时期获得了广泛的关注和研究。由于人脸的个体差异性和人物所处环境的复杂性导致人脸检测与年龄估计任务研究的困难层出不穷,因此该任务的研究工作非常具有挑战性。随着深度学习的研究领域范围的逐渐扩大,在人脸检测与年龄估计研究方面的各种方法也不计其数,为了保证人脸检测与年龄估计有较好的准确性和鲁棒性,本文在深度学习方面进行了进一步的探索。深度学习的方法随着网络模型的复杂度上升呈现出参数量剧增和运算开销变大的缺点,但由于人脸检测与年龄估计模型大多数情况下都部署在小型可移动设备上,模型容量较大和参数量较多的模型便不合适。因此研究更加轻型的、适用于小型设备的轻量级卷积神经网络具有重要的研究价值和实用价值。本文对基于轻量级卷积神经网络的人脸检测与年龄估计进行了研究,对人脸检测与年龄估计应用时所面临的环境复杂性和设备计算能力局限性进行了分析,对当前的人脸检测模型进行了轻量化改进,对轻量化人脸年龄估计模型进行了提升并对以上方法进行总结与概述。本文的主要工作如下:对现有的人脸检测算法和人脸年龄估计算法进行了总结与归纳。针对目前应用较广的多任务级联卷积神经网络进行轻量化改进,分析该网络模型的结构和人脸检测时间占比,发现网络模型在第一阶段计算耗时最多,提出采用多尺度稀疏金字塔方法,减小尺度间隙,保障网络在检测阶段的召回率,引入深度可分离卷积操作减少模型参数量并通过批归一化等操作缩减运算开销、缩减模型计算时间,通过轻量化前后的对比试验,验证了轻量化后的模型进行人脸检测和人脸的关键点定位操作有更好的效果,并且较轻量化前网络模型容量有所减小,对于小型设备的部署更具有一定优势。对软分段回归神经网络人脸年龄估计模型做出了改进,提出了融合纹理信息的改进思想。通过将人脸面部图像经过中心对称局部二值模式算子进行处理得到特征图像,再将经过单位卷积的人脸图像与特征图像融合作为网络输入进行年龄估计。在实验中发现卷积神经网络中加入纹理信息可以提高准确率的同时增加网络模型的鲁棒性,与此同时通过对比实验验证了模型的有效性,结合不同年龄段不同肤色测试数据集检测结果验证了本文模型的作用与优势。

关键词：轻量级卷积神经网络人脸检测年龄估计多任务级联卷积神经网络软分段回归神经网络

来源：评论

学校读者我要写书评

暂无评论

facenet皮尔森判别网络的人脸识别方法

引用

智能系统学报 2022年第1期17卷 107-115页

作者：谷凤伟陆军夏桂华哈尔滨工程大学智能科学与工程学院黑龙江哈尔滨150001 哈尔滨工程大学船海装备智能化技术与应用教育部重点实验室黑龙江哈尔滨150001

非限制场景下存在光照、遮挡和姿态变化等问题,这严重影响了人脸识别模型的性能和准确度。针对该问题,本文对facenet进行改进,提出了一种基于facenet皮尔森判别网络的人脸识别方法facenetPDN。首先,构建facenetPDN深度卷积神经网络,在fa... 详细信息

非限制场景下存在光照、遮挡和姿态变化等问题,这严重影响了人脸识别模型的性能和准确度。针对该问题,本文对facenet进行改进,提出了一种基于facenet皮尔森判别网络的人脸识别方法facenetPDN。首先,构建facenetPDN深度卷积神经网络,在facenet前端融合多任务级联卷积神经网络进行人脸检测提取目标人脸。然后,通过深度神经网络提取人脸深度特征信息,采用皮尔森相关系数判别模块替换facenet中的欧氏距离判别模块实现人脸深度特征判别。最后,使用CASIA-WebFace和CASIA-FaceV5人脸数据集训练网络。为了证明本文方法的有效性,训练后的模型在LFW和celeA人脸数据集进行测试和评估,并进行对比分析。实验结果表明,改进后的facenetPDN方法的准确度比原来整体提高了1.34%,在融合训练集下提高了0.78%,该算法鲁棒性和泛化能力优良,可实现多人种的人脸识别,对非限制场景下人脸目标具有良好的识别效果。

关键词：非限制场景人脸识别 facenet 多任务级联卷积神经网络人脸检测皮尔森相关系数欧氏距离人脸数据集

来源：评论

学校读者我要写书评

暂无评论

基于MTCNN算法的单目视觉车距检测方法

引用

重庆交通大学学报（自然科学版） 2023年第5期42卷 139-144页

作者：丁柏群李敬宇东北林业大学交通学院黑龙江哈尔滨150040

单目视觉检测系统结构简单、成本低廉、检测方便快捷、实时性好,但检测精度相对多目视觉系统较低,高度依赖计算方法。目前采用单目视觉的车辆测距方法没有充分考虑多尺度车辆导致的误差问题,使其检测精度受到影响。建立一种基于多任务... 详细信息

单目视觉检测系统结构简单、成本低廉、检测方便快捷、实时性好,但检测精度相对多目视觉系统较低,高度依赖计算方法。目前采用单目视觉的车辆测距方法没有充分考虑多尺度车辆导致的误差问题,使其检测精度受到影响。建立一种基于多任务级联卷积神经网络(MTCNN)的车距检测方法,以车辆号牌作为靶标,利用单目摄像头采集前车图像,采用MTCNN算法检测车牌,获取车牌角点坐标,依据P4P原理计算车辆间距。该方法与车型大小、道路起伏无关,仅与车牌图像识别测算质量相关,可以有效减少其它因素导致的误差。试验表明,提出的车辆测距方法通过MTCNN和P4P算法分析计算前车视频图像,实现了较高精度的车距检测,对27 m范围内的车距检测平均误差为2.77%,其中3~27 m的检测平均误差为2.52%,在较大测距范围内具有较高的稳定性。

关键词：交通运输工程单目视觉车辆测距多任务级联卷积神经网络 P4P算法图像识别

来源：评论

学校读者我要写书评

暂无评论

复杂背景下小尺寸多角度人脸检测方法研究

引用

网络安全与数据治理 2024年第4期43卷 46-52页

作者：黄杰刘芬天津职业技术师范大学电子工程学院天津300222

为了提升复杂背景下小尺寸人脸检测精度,提出了一种人脸检测方法GhostNet-MTCNN。在多任务级联卷积神经网络(MTCNN)主干网络上,将占用计算资源的普通卷积进行舍弃,利用GhostNet网络中计算量更低的Ghost bottleneck模组替代卷积的作用,... 详细信息

为了提升复杂背景下小尺寸人脸检测精度,提出了一种人脸检测方法GhostNet-MTCNN。在多任务级联卷积神经网络(MTCNN)主干网络上,将占用计算资源的普通卷积进行舍弃,利用GhostNet网络中计算量更低的Ghost bottleneck模组替代卷积的作用,重新构建网络特征提取功能,从而搭建一个新的模型。实验结果表明,该方法可以有效平衡参数量和精度。在Easy、Medium、Hard三种验证集上,与MTCNN相比在参数量仅增加0.62M的前提下精度分别提升了5.6%、6.6%、7.8%,与MobileNetV3-MTCNN相比在参数量减少1.27M的同时精度又分别提升了1.6%、0.8%、0.5%。该研究能够在复杂场景下提高模型对小尺寸、多角度人脸检测精度,同时也能够有效平衡参数量和检测精度使其成为在边缘设备部署中更优的选择。

关键词：人脸检测多任务级联卷积神经网络轻量化网络边缘设备

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的列车驾驶员疲劳监测研究

基于深度学习的列车驾驶员疲劳监测研究

引用

作者：刘维丽兰州交通大学

学位级别：硕士

随着我国铁路运输高速快速的发展,列车驾驶员作业从传统的列车操控型向对列车实时运行信息的长时间监控。单调行车作业以及长时间驾驶作业,均会显著增加列车驾驶员的疲劳和嗜睡程度。列车事故原因中占比最大的是列车驾驶员的疲劳驾驶。... 详细信息

随着我国铁路运输高速快速的发展,列车驾驶员作业从传统的列车操控型向对列车实时运行信息的长时间监控。单调行车作业以及长时间驾驶作业,均会显著增加列车驾驶员的疲劳和嗜睡程度。列车事故原因中占比最大的是列车驾驶员的疲劳驾驶。因此,对减少疲劳驾驶造成的列车事故,提高列车驾驶员的驾驶安全变的尤为重要。首先,分析列车驾驶员产生疲劳所带来的影响和危害,明确在列车运行过程中疲劳检测的重要性。对前人研究成果进行总结,确定本文以列车驾驶员面部特征为对象进行研究,提取面部疲劳参数,分析判断列车驾驶员是否存在疲劳驾驶情况。其次,提出一种注意力双增强算法。针对光照对图像造成的影响,在低光环境下,对采集到的视频图像直接进行检测,容易降低图像的检测率。使用注意力双增强网络,其注意力子网、噪声子网、增强子网和加强子网,这四个子网络能够同时提高图像的亮度和完成去噪效果。实验结果表明,通过对图像提前处理可以提高图像的可识别性,增强系统对光照变化的适应性,提高检测的准确性。再次,对低光增强处理后的图像进行人脸检测和人脸关键点定位,本文将基于多任务级联卷积神经网络的人脸检测算法与基于回归树的人脸关键点检测算法相结合,精确定位人脸的68个关键点位置。对驾驶员的眼部、嘴部和头部姿态这三种特征进行分析。对于眼部特征提取,采用眼部特征纵横比算法计算眼部参数,以此来获取单位时间内眼睛闭合百分比的值并作为判断疲劳的依据;对于嘴部特征提取,利用嘴巴纵横比算法计算嘴部参数,由于嘴唇厚度的影响,选取嘴部内轮廓关键点计算嘴巴纵横比的值,并将打哈欠作为判断疲劳的依据;对于头部特征的提取,选用三维空间欧拉角中的俯仰角Pitch偏移量为20%作为判断疲劳依据。最后,采用多特征疲劳检测判断驾驶员的驾驶状态。现有的单一疲劳特征提取的准确率低,本文设计了多特征疲劳检测。将眼睛和嘴巴疲劳特征与模糊推理相融合的疲劳检测算法,得到分级的疲劳状态,疲劳检测总耗时44.3ms,满足实时性要求。若检测驾驶员处于不同级别的疲劳时,给予相应的提示报警。

关键词：疲劳驾驶注意力增强网络多任务级联卷积神经网络多特征疲劳检测模糊推理

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的低分辨率图像人脸识别技术研究

基于深度学习的低分辨率图像人脸识别技术研究

引用

作者：毛雅棋长春理工大学

学位级别：硕士

随着计算机视觉产业的逐渐普及,人脸识别技术在日常生活中得到广泛应用,尤其在今年的防疫工作中人脸识别测温一体机发挥重要作用。尽管现有的人脸识别算法能够准确识别限制条件下的高分辨率图像,实际场景中环境和人为因素影响图像质量,... 详细信息

随着计算机视觉产业的逐渐普及,人脸识别技术在日常生活中得到广泛应用,尤其在今年的防疫工作中人脸识别测温一体机发挥重要作用。尽管现有的人脸识别算法能够准确识别限制条件下的高分辨率图像,实际场景中环境和人为因素影响图像质量,导致识别准确率降低。本文研究基于深度学习的低分辨率图像人脸识别技术,解决低分辨率场景下人脸检测、图像重构、特征提取等问题,提升识别精度,主要工作如下:(1)人脸检测作为人脸识别系统的重要模块,需要从待测图像中识别出人脸边框,为后续识别算法定位人脸区域。人脸角度、光照条件等因素会影响检测准确率,本文在MTCNN模型上进行改进,包括应用最先进的非极大值抑制算法Soft-NMS、提出合成困难样本填充训练集以及人脸检测误判算法。实验证明,该算法能够准确定位低分辨率图像中的人脸区域,检测耗时较低。(2)提出基于深度学习的人脸识别算法,首先应用SRCNN重构低分辨率人脸图像,再通过VGG模型提取人脸特征,应用主成分分析(PCA)对特征进行筛选,最后由分类器完成人脸特征匹配。通过优化损失函数提升模型性能,在经过下采样的两个公开数据集FERET和LFW上评估提出的算法,识别准确率得到提高。(3)对上述提出的算法进行整合,模块化实现低分辨率人脸识别系统,收集外接摄像头拍摄真实场景下的低分辨率人脸图像来评估该系统。应用改进的MTCNN模型完成人脸检测、SRCNN模型重构低分辨率人脸图像、Res Net模型完成特征提取、分类器完成特征匹配。实验结果表明本文提出的方法能够在低分辨率真实应用场景下完成人脸识别,在准确率和效率上均有保障,具有实际应用价值。

关键词：人脸识别低分辨率卷积神经网络多任务级联卷积神经网络超分辨率重构

来源：评论

学校读者我要写书评

暂无评论

基于眼睛状态识别的疲劳驾驶检测

引用

科学技术与工程 2020年第20期20卷 8292-8299页

作者：徐莲任小洪陈闰雪四川轻化工大学自动化与信息工程学院宜宾644000 人工智能四川省重点实验室自贡643000 四川轻化工大学计算机学院宜宾644000

由于光照变化、头部姿态等因素的影响,现有的疲劳驾驶检测精度仍有待提高。针对该问题,提出一种基于迁移学习的眼睛状态识别网络(Gabor and LBP-convolutional neural networks,GL-CNN),该网络是由Gabor特征和LBP特征通过迁移学习加入... 详细信息

由于光照变化、头部姿态等因素的影响,现有的疲劳驾驶检测精度仍有待提高。针对该问题,提出一种基于迁移学习的眼睛状态识别网络(Gabor and LBP-convolutional neural networks,GL-CNN),该网络是由Gabor特征和LBP特征通过迁移学习加入卷积神经网络(convolutional neural networks, CNN)调制组成的。首先用多任务级联卷积神经网络(multi-task CNN,MTCNN)检测驾驶员的人脸和双眼,然后经过眼睛筛选机制获取待检测的单只眼睛,通过GL-CNN识别眼睛的睁闭状态,最后根据PERCLOSE准则判断驾驶员的疲劳状态。实验结果表明,该算法具有较高的准确率,可以检测多种姿态眼睛的状态,同时满足实时性的要求。

关键词：疲劳驾驶检测迁移学习眼睛筛选机制多任务级联卷积神经网络眼部状态识别

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的轻量级和多姿态人脸识别方法

引用

计算机应用 2020年第3期40卷 704-709页

作者：龚锐丁胜章超华苏浩武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 武汉430065 福建省大数据管理新技术与知识工程重点实验室(泉州师范大学) 福建泉州362000

目前基于深度学习的人脸识别方法存在识别模型参数量大、特征提取速度慢的问题,而且现有人脸数据集姿态单一,在实际人脸识别任务中无法取得好的识别效果。针对这一问题建立了一种多姿态人脸数据集,并提出了一种轻量级的多姿态人脸识别... 详细信息

目前基于深度学习的人脸识别方法存在识别模型参数量大、特征提取速度慢的问题,而且现有人脸数据集姿态单一,在实际人脸识别任务中无法取得好的识别效果。针对这一问题建立了一种多姿态人脸数据集,并提出了一种轻量级的多姿态人脸识别方法。首先,使用多任务级联卷积神经网络(MTCNN)算法进行人脸检测,并且使用MTCNN最后包含的高层特征做人脸跟踪;然后,根据检测到的人脸关键点位置来判断人脸姿态,通过损失函数为ArcFace的神经网络提取当前人脸特征,并将当前人脸特征与相应姿态的人脸数据库中的人脸特征比对得到人脸识别结果。实验结果表明,提出方法在多姿态人脸数据集上准确率为96.25%,相较于单一姿态的人脸数据集,准确率提升了2.67%,所提方法能够有效提高识别准确率。

关键词：深度学习人脸识别多姿态轻量级多任务级联卷积神经网络 ArcFace

来源：评论

学校读者我要写书评

暂无评论

基于改进的卷积神经网络的交通标志检测与识别算法

引用

工业控制计算机 2019年第6期32卷 54-56页

作者：卢飞宇南京信息工程大学自动化学院

针对现有算法对自然场景中交通标志检测及识别存在准确率和实时性不能满足实际需求的问题,提出了一种基于改进的多任务级联卷积神经网络(MTCNN)交通标志检测与识别算法。首先采用限制对比度直方图均衡化方法,以及添加固定高斯噪声作为... 详细信息

针对现有算法对自然场景中交通标志检测及识别存在准确率和实时性不能满足实际需求的问题,提出了一种基于改进的多任务级联卷积神经网络(MTCNN)交通标志检测与识别算法。首先采用限制对比度直方图均衡化方法,以及添加固定高斯噪声作为数据增强的方法,达到改善和增强训练样本质量的目标;然后提出一个改进的多任务级联CNN,通过加深神经网络以及融合特征图的方式,增强特征表达能力,从而提高对交通标志的检测与识别性能。

关键词：交通标志检测与识别多任务级联卷积神经网络融合特征图

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：