检索结果-内蒙古大学图书馆

计算机与网络 2020年第8期 68-71页

作者：陈之坤迟万达高尚刘晓欣范迪山东科技大学电信学院

为了实现对驾驶员驾驶状态的检测预警,避免发生交通事故。提出了一种基于改进多任务级联卷积神经网络(Multi-Task Convolutional Neural Networks,MTCNN)人脸检测及多特征融合的疲劳检测方法。算法利用改进的MTCNN进行人脸检测和面部9... 详细信息

为了实现对驾驶员驾驶状态的检测预警,避免发生交通事故。提出了一种基于改进多任务级联卷积神经网络(Multi-Task Convolutional Neural Networks,MTCNN)人脸检测及多特征融合的疲劳检测方法。算法利用改进的MTCNN进行人脸检测和面部9个特征点定位;基于特征点确定出嘴巴、眼睛区域输入多尺度深度可分离卷积神经网络(Multi-Scale Depth Separable Networks,MSDS-Net),以识别嘴巴和眼睛的状态。算法融合眼睛闭合率(ECR)、嘴巴张合率(MCR)和头部非正脸率(NFR)三个特征参数并进行疲劳状态判定,在YawDD数据集和课题组自制数据集上查准率和查全率分别为96.22%,98.08%。

关键词：多任务级联卷积神经网络人脸检测疲劳检测 MSDS-Net YawDD

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的动物面部识别算法研究

基于深度学习的动物面部识别算法研究

引用

作者：宋各方杭州电子科技大学

学位级别：硕士

近年来,随着智能化养殖业的兴起和国家对食品安全管理的不断加强,对动物进行准确的身份识别己成为行业内迫切需要解决的问题。目前,动物身份识别的主要方式是穿孔佩戴无线射频识别标签,这种侵入式的识别方式很容易引起动物的不适,咬标... 详细信息

近年来,随着智能化养殖业的兴起和国家对食品安全管理的不断加强,对动物进行准确的身份识别己成为行业内迫切需要解决的问题。目前,动物身份识别的主要方式是穿孔佩戴无线射频识别标签,这种侵入式的识别方式很容易引起动物的不适,咬标、掉标的情况经常发生。面部识别作为生物识别技术的一种,迁移应用于动物身份确认具有安全、便捷、非侵入等显著优点。传统的面部识别方法依靠手工提取面部图像特征,需要大量领域经验,性能不稳定。深度学习作为目前面部识别领域最重要的技术手段,能够自动提取图像的高维抽象特征,大大提高了算法的精度和鲁棒性。本文基于深度学习相关理论对猪面部识别技术进行了相关研究并进行了以下工作。(1)训练数据采集,目前,面部识别领域尚无动物面部的公开数据集。本文在商业农场中采集了两百头猪的面部数据用于制作猪脸数据集,数据集共包含50000张图像,其中包含母猪、保育猪和肥猪,3类猪的分布比例大致相同,并对数据集进行了面部区域和特征点标注。(2)针对面部检测与校正问题,提出了一种基于改进的多任务级联卷积神经网络的猪脸检测与校正方法,该方法通过三级网络逐级对图像中的面部区域和关键点进行检测和筛选,并利用面部关键点之间的位置关系进行面部校正。实验结果表明,改进网络能够精准定位图像中的猪脸区域和面部关键点,并根据左右眼之间的位置关系利用仿射变换进行猪脸的旋转校正。(3)针对猪脸识别粒度精细、视觉差异性小等问题,提出了一种基于双线性卷积神经网络的改进模型,模型利用两条VGG-16提取不同粒度的猪脸特征,并将网络中不同层次的提取特征做外积融合。实验结果表明,改进网络能够提取到粒度更加精细的猪脸特征并将不同语义特征之间位置关系进行锁定,对不同尺度、姿态、光照的猪脸样本都取得了较好的识别效果。(4)在嵌入式平台Jetson TX1上对模型进行了部署,并对模型的检测和识识别性能在自采数据集和爬取的多种场景数据集上进行了测试。测试结果表明模型能够以较快的速度对不同光照、姿态的猪脸进行离线识别,识别精度达到了 95.73%。

关键词：动物面部识别深度学习多任务级联卷积神经网络双线性卷积神经网络多层次融合

来源：评论

学校读者我要写书评

暂无评论

一种改进的MTCNN人脸检测算法

引用

软件导刊 2019年第12期18卷 78-81页

作者：吴纪芸陈时钦福州职业技术学院现代教育技术中心福建福州350108 福州瑞芯微电子股份有限公司福建福州350003

人脸检测主要运用于机场、火车站等人口密集场所。目前常用的人脸检测算法有MTCNN、YOLOV3、faster-RCNN、SSD等,但已有算法难以兼顾检测速度和检测准确性。通过改进多任务级联卷积神经网络(MTCNN)人脸检测算法,将MTCNN、YOLOV3、faster... 详细信息

人脸检测主要运用于机场、火车站等人口密集场所。目前常用的人脸检测算法有MTCNN、YOLOV3、faster-RCNN、SSD等,但已有算法难以兼顾检测速度和检测准确性。通过改进多任务级联卷积神经网络(MTCNN)人脸检测算法,将MTCNN、YOLOV3、faster-RCNN等3个模型进行整合,减少内存与显存之间的数据搬运;然后动态修改Minsize值,减少图像金字塔中图片生成数量,并根据图像相似度对输入图片进行不同处理以提高效率。改进后的MTCNN算法比传统MTCNN算法识别速度提高将近40%,且正确率达到97%,可更好满足现代社会对于人脸检测的应用需求。

关键词：多任务级联卷积神经网络最小人脸大小图像金字塔自适应人脸检测

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：