-
公开(公告)号：CN109947960A
公开(公告)日：2019-06-28
申请号：CN201910173989.9
申请日：2019-03-08
Applicant: 南京信息工程大学
IPC: G06F16/51 , G06F16/583 , G06N3/04
Abstract: 本发明公开了一种基于深度卷积的人脸多属性联合估计模型构建方法，包括根据将不同数据库的人脸图像进行必要的归一化之后同时输入进行特征提取；利用不同的颜色空间体现图片不同颜色通道特征，利用不同特征算法对同一张人脸进行底层手动特征刻画；对深度卷积网络近全连接层的若干卷积层的卷积核参数以及全连接层的输出向量进行2范数距离的最小化约束，并在全连接层的损失函数中引入全连接层的均值和方差。本发明采用混合数据集，实现样本标记空间的完善，通过不同特征刻画能力的互补减小不同通道全连接层之间的特征表达差异，增大相关性，增强模型的泛化能力。
-
公开(公告)号：CN109947960B
公开(公告)日：2024-01-23
申请号：CN201910173989.9
申请日：2019-03-08
Applicant: 南京信息工程大学
IPC: G06F16/51 , G06F16/583 , G06N3/0464
Abstract: 本发明公开了一种基于深度卷积的人脸多属性联合估计模型构建方法，包括根据将不同数据库的人脸图像进行必要的归一化之后同时输入进行特征提取；利用不同的颜色空间体现图片不同颜色通道特征，利用不同特征算法对同一张人脸进行底层手动特征刻画；对深度卷积网络近全连接层的若干卷积层的卷积核参数以及全连接层的输出向量进行2范数距离的最小化约束，并在全连接层的损失函数中引入全连接层的均值和方差。本发明采用混合数据集，实现样本标记空间的完善，通过不同特征刻画能力的互补减小不同通道全连接层之间的特征表达差异，增大相关性，增强模型的泛化能力。
-
公开(公告)号：CN110503072B
公开(公告)日：2023-05-26
申请号：CN201910806822.1
申请日：2019-08-29
Applicant: 南京信息工程大学
IPC: G06V40/16 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于多支路CNN架构的人脸年龄估计方法，本专利通过设计多支路CNN架构将人脸属性(性别、肤色等)考虑进年龄估计任务中，以提高人脸年龄估计的准确率。首先基于经典CNN架构设计了一种用于识别黑种男性、黑种女性、白种男性、白种女性、黄种男性、黄种女性这六类的CNN模型；接着截取该模型前半部分架构及其参数作为共享层以加强人脸属性对年龄估计任务的影响程度；然后通过设计六条针对六类人脸属性的CNN支路将不同人脸属性的年龄估计分离；最后六条支路的输出结果通过公共融合层的融合算法进行融合，从而让神经网络分别学习到特定人种、性别的人脸图片特征，以提高年龄估计的准确率。
-
公开(公告)号：CN110503072A
公开(公告)日：2019-11-26
申请号：CN201910806822.1
申请日：2019-08-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于多支路CNN架构的人脸年龄估计方法，本专利通过设计多支路CNN架构将人脸属性(性别、肤色等)考虑进年龄估计任务中，以提高人脸年龄估计的准确率。首先基于经典CNN架构设计了一种用于识别黑种男性、黑种女性、白种男性、白种女性、黄种男性、黄种女性这六类的CNN模型；接着截取该模型前半部分架构及其参数作为共享层以加强人脸属性对年龄估计任务的影响程度；然后通过设计六条针对六类人脸属性的CNN支路将不同人脸属性的年龄估计分离；最后六条支路的输出结果通过公共融合层的融合算法进行融合，从而让神经网络分别学习到特定人种、性别的人脸图片特征，以提高年龄估计的准确率。
-
-
-
Search Results
4
records
(took 0.027 seconds)
