检索结果-南通市图书馆

基于关键点、属性及三维先验的人脸超分辨率方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于关键点、属性及三维先验的人脸超分辨率方法研究

作者：李松厦门大学

学位级别：硕士

人脸超分辨率旨在从低分辨率的人脸图像恢复出其高分辨率版本,是人脸识别、人脸对齐等任务得以准确判断的关键。本文致力于基于人脸先验信息的超分辨率方法研究。现有的方法在利用人脸先验时存在逻辑不合理或利用不充分的现象,且因过于... 详细信息

人脸超分辨率旨在从低分辨率的人脸图像恢复出其高分辨率版本,是人脸识别、人脸对齐等任务得以准确判断的关键。本文致力于基于人脸先验信息的超分辨率方法研究。现有的方法在利用人脸先验时存在逻辑不合理或利用不充分的现象,且因过于注重基于像素的评价指标,导致生成图像趋于平滑。本文针对上述问题,提出两个解决方案,其中第二个方案以第一个为基础,探索利用更加鲁棒的人脸先验,以辅助人脸超分辨率过程。具体的研究内容和创新点如下:(1)针对超分辨人脸图像容易出现模糊和错乱的问题,本方案提出了基于频域感知分解的判别器,从频域信息中发掘潜在伪造模式,从而增强生成器的性能。对于生成器,本方案提出了人脸双重注意力模块和人脸关键点激活模块。人脸双重注意力模块利用通道注意力和人脸空间注意力增强特征图,人脸关键点激活模块则有监督的使用人脸关键点对人脸特征进行激活,并输出最终超分辨率结果。定量和定性的实验证明了该方法的有效性。(2)针对现有基于人脸属性先验方法应用场景受限以及现有基于三维人脸参数先验方法先验信息置信度低的问题,本方案提出了一个三分支生成器,分支分别是人脸属性预测分支、三维人脸重建分支和人脸特征融合分支。本方案先对输入图像进行粗加工,再使用人脸属性预测分支和三维人脸重建分支对中间结果进行后监督并提取中间特征,人脸特征融合分支融合其他两个分支的中间特征,完成进一步超分辨率计算。该方法在基于感官的评价指标上超越了大多数现有的方法,生成人脸图像质量高。

关键词：人脸超分辨率人脸关键点人脸频域分解人脸属性三维人脸重建

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多标记收缩哈希方法的人脸属性检索

模式识别与人工智能 2017年第12期30卷 1108-1113页

作者：赵轩谭晓阳宋歌南京航空航天大学计算机科学与技术学院南京211106 软件新技术与产业化协同创新中心南京210093

哈希方法具有存储成本低、查询速度快等优点.但是,大多数哈希方法只用于处理单标记问题,较少用于图像多标记问题.因此,文中提出多标记收缩哈希方法(MLCH),可以保留多标记图像的多水平语义相似性.MLCH利用数据的多标记作为监督信息,依据... 详细信息

哈希方法具有存储成本低、查询速度快等优点.但是,大多数哈希方法只用于处理单标记问题,较少用于图像多标记问题.因此,文中提出多标记收缩哈希方法(MLCH),可以保留多标记图像的多水平语义相似性.MLCH利用数据的多标记作为监督信息,依据优化选择算法选取三元组,并加入收缩约束项以获取更饱和的二进制编码.在数据库Celeb A和Pub Fig上评估MLCH性能,证明收缩约束项的有效性,并证明MLCH在大规模图像检索任务中的优越性.

关键词：多标记收缩项哈希方法人脸属性

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于多网络学习的人脸属性分类

单片机与嵌入式系统应用 2022年第1期22卷 21-24,28页

作者：宋梦媛上海工艺美术职业学院上海610106

为解决传统人脸属性分类训练效率低、模型参数量巨大等问题,本文提出了一种多网络学习框架。该框架包含两个子网络:人脸区域定位网络和属性分类网络,从而实现动态选择不同的人脸区域进行人脸属性预测。此外,本文提出了基于提示的模型压... 详细信息

为解决传统人脸属性分类训练效率低、模型参数量巨大等问题,本文提出了一种多网络学习框架。该框架包含两个子网络:人脸区域定位网络和属性分类网络,从而实现动态选择不同的人脸区域进行人脸属性预测。此外,本文提出了基于提示的模型压缩技术,在不明显降低准确率的前提下大大压缩网络参数。最后,通过仿真在CelebA人脸属性分类数据集上对所提方法进行性能分析,所提出网络模型平均分类准确率可达到90.89%,网络参数量仅为0.27M。

关键词：人脸属性深度学习注意机制多网络学习

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

多属性无监督人脸风格翻译

计算机系统应用 2023年第6期32卷 12-21页

作者：朱剑锋郑熠廖聪慧李孝杰梁梦娇成都信息工程大学计算机学院成都610225 成都信息工程大学通信工程学院成都610225

针对现有人脸图像翻译模型不能实现多个视觉属性之间的翻译及翻译后的人脸图像不清晰自然的问题,提出了基于人脸识别方法的人脸多属性图像翻译模型.模型主要由内容和风格编码器、AdaIN解码器以及人脸识别模块构成.首先,两个编码器提取... 详细信息

针对现有人脸图像翻译模型不能实现多个视觉属性之间的翻译及翻译后的人脸图像不清晰自然的问题,提出了基于人脸识别方法的人脸多属性图像翻译模型.模型主要由内容和风格编码器、AdaIN解码器以及人脸识别模块构成.首先,两个编码器提取内容和风格图像的潜在编码,然后将编码送入到AdaIN层中仿射变换,最后解码器还原翻译后的图像.该方法设计并训练了一个准确率90.282%的人脸识别模型并提出了一种联合人脸属性损失函数,增强了模型对风格人脸的属性的关注程度,解决了模型不能准确提取到人脸的属性信息以及摒弃了无关信息,使得模型能够生成清晰的、多属性的,多样的人脸翻译图像.该方法在公开的数据集CelebA-HQ实验并在定量和定性指标上都高于基线方法,在不同的人脸朝向时也表现出良好的鲁棒性.模型生成的图像还能应用于人脸图像生成领域,解决数据集匮乏等问题.

关键词：人脸图像翻译人脸识别图像生成人脸属性无监督学习风格翻译

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于树结构的人脸属性识别

基于树结构的人脸属性识别

作者：赵静中国矿业大学

学位级别：硕士

近年来,随着科学技术的进步,计算机与互联网技术发展迅速,相机等拍照产品日新月异,人类已进入大数据时代。作为文字的辅助,数字图像以其较好的直观性记录着人类生活的点滴。图像数据大量增长,如何使机器能够模仿人的认知习惯,通过先验... 详细信息

近年来,随着科学技术的进步,计算机与互联网技术发展迅速,相机等拍照产品日新月异,人类已进入大数据时代。作为文字的辅助,数字图像以其较好的直观性记录着人类生活的点滴。图像数据大量增长,如何使机器能够模仿人的认知习惯,通过先验语义描述（属性）知识和对图像进行学习。基于该问题,本文从两个方面针对比较有代表性的人脸图像进行研究,主要工作如下:众所周知,人脸表情不受种族、性别、年龄、教育程度、肤色等因素影响,且人脸表情信息主要集中的区域有眉毛、眼睛、嘴部等。为此,提出一种基于决策树的人脸表情强度度量分析方法。首先,针对给定的训练样本,构造人脸表情信息集中区域的特征模块,通过分析特征模块,标记特征点;然后,基于人类对人脸表情的认识和描述经验分析人脸表情特征点参数,设计生成能够度量人脸表情强度的决策树;最后,根据得到的人脸表情强度度量决策树,对测试样本进行分类。针对现实生活中复杂背景下图像中人脸属性学习问题,基于混合树构建了一个人脸属性识别系统。首先,构建一个初始人脸混合树模型;然后,给定训练样本,该训练样本由包含人脸的正训练样本和不包含人脸的负训练样本组成,并对其中的正训练样本进行特征点标记,使用训练样本进行判别训练得到新的人脸属性混合树模型;最后,结合人脸检测,将学习得到的混合树模型与检测到的人脸进行匹配,从而得到目标样本中人脸的属性信息。本文使用3个人脸数据集（Cohn-Kanade、Pub Fig、CMU Multi PIE）、1个非人脸数据集INRIAPerson和现实生活中的包含人脸图像进行实验,主要对人脸表情中的“笑”表情强度以及复杂图像人脸属性信息进行研究。实验结果说明了基于树结构进行人脸属性分析的有效性。

关键词：人脸属性决策树混合树表情强度特征点

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度神经网络的人脸属性编辑算法研究

基于深度神经网络的人脸属性编辑算法研究

作者：曹帅康中国矿业大学

学位级别：硕士

人脸属性编辑算法是计算机视觉领域一个重要的研究方向,它主要是指对人类面部的单个或者多个固有属性进行操纵,从而生成新的具有所需一个或多个属性的面部图像,同时保持其他面部属性不变。随着互联网技术的发展,人脸属性编辑在现实场景... 详细信息

人脸属性编辑算法是计算机视觉领域一个重要的研究方向,它主要是指对人类面部的单个或者多个固有属性进行操纵,从而生成新的具有所需一个或多个属性的面部图像,同时保持其他面部属性不变。随着互联网技术的发展,人脸属性编辑在现实场景中的应用日益得到拓展,目前基于生成对抗网络(GAN)和变分自编码器(VAE)等生成模型的人脸属性编辑算法是主流算法。人脸属性编辑的研究工作一般是建立在人脸生成的基础上,传统生成模型将图像的像素和结构化信息编码进一个流型空间,此时对背景、光照条件和遮挡等目标无关的属性信息的编码会和目标属性编码混叠,严重影响了生成图像的效果。另一方面,在对编码器输出的隐层编码进行还原时,缺少对编码信息的精细化控制,对人脸属性的高维空间解耦缺乏相应的权重配置,使得生成图片的效果较差,产生伪影、鬼脸等问题。此外模型对背景、光照条件和遮挡等无关属性的鲁棒性弱。针对以上问题,本文提出两种基于深度神经网络的人脸属性编辑算法,能够有效减少伪影和背景扭曲问题,减少对编辑属性无关区域的影响,提高生成图像的质量,实现了从单一样板示例参考生成图像到随机生成和通过参考图像生成的整合。主要贡献如下:(1)提出一种基于空间注意力和潜层编码修改的人脸属性编辑算法,该算法包括对输入图像进行潜层编码修改和空间注意力网络实现特定区域的属性编辑操作。输入样板示例后,生成器通过与多尺度判别器进行对抗训练得到最终的模型。从celeb A数据集的实验数据来看,本文算法在生成图片的逼真度和自然度以及在多尺度人脸属性编辑的精确度上表现好于对比算法。(2)提出一种基于样式解耦和特征融合的人脸属性编辑算法,该方法包括编码网络、解码网络和判别器网络,通过对数据集进行预处理将标签和属性进行整合,添加编码重组网络同时实现了人脸属性随机生成和人脸属性通过样板示例生成的属性编辑任务。从celeb A数据集的实验结果来看,本文算法使用特定的属性模板生成图像和随机生成目标属性时,与对比算法相比图像更加清晰,伪影现象更少且背景的融合度更高。

关键词：人脸属性编辑深度神经网络深度学习样式解耦人脸属性

基于人脸属性的NIR-VIS异构人脸识别方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于人脸属性的NIR-VIS异构人脸识别方法研究

作者：刘鑫东南大学

学位级别：硕士

本文对基于人脸属性的近红外和可见光(NIR-VIS)异构人脸识别方法进行研究。近红外(NIR)与可见光(VIS)图片分别由近红外光和可见光成像得到,成像机制的不同造成了两种图片巨大的差异。NIR-VIS异构人脸识别是指根据NIR图片和VIS图片的比... 详细信息

本文对基于人脸属性的近红外和可见光(NIR-VIS)异构人脸识别方法进行研究。近红外(NIR)与可见光(VIS)图片分别由近红外光和可见光成像得到,成像机制的不同造成了两种图片巨大的差异。NIR-VIS异构人脸识别是指根据NIR图片和VIS图片的比对计算来进行人脸识别;然而通常的可见光和可见光(VIS-VIS)同构人脸识别,比对计算的图片均来自VIS域。因而NIR-VIS异构人脸识别有别于VIS-VIS同构人脸识别,算法不仅需要克服表情、姿态和光照强度等干扰因素,而且需要能有效地应对图片异构给人脸识别带来的影响。为提高NIR-VIS异构人脸识别性能,本文研究了基于人脸属性的NIR-VIS异构人脸识别方法。该方法通过多任务学习将人脸属性预测与NIR-VIS异构人脸识别结合起来,旨在利用属性预测任务促进异构人脸识别;同时在人脸分类和跨域学习模块,该方法利用最大软间隔损失(Softmax loss)和三元组损失来学习异构不变的人脸特征表示。本文主要工作包括总结出统一的NIR-VIS异构人脸识别框架,VIS和NIR人脸数据库属性提取,VIS域人脸识别和属性预测多任务学习,基于人脸属性的NIR-VIS异构人脸识别四大部分。本文在对比分析各主流算法后,总结出统一的NIR-VIS异构人脸识别框架,该框架可以将主流的NIR-VIS异构人脸识别算法统一起来。对比分析发现跨域学习是NIR-VIS异构人脸识别至关重要的一环。基于此框架,本文研究了基于人脸属性的NIR-VIS异构人脸识别算法。在VIS和NIR人脸数据库属性提取部分,为提升属性预测的准确性,本文采取投票策略来确定每人的人脸属性。在VIS域人脸识别和属性预测环节,通过不同学习方式的对比,确定了最佳的多任务学习方式。多任务和单任务学习算法的对比分析,论证了人脸属性预测对人脸识别任务的促进作用。在NIR-VIS域的人脸识别部分,设计了人脸分类和跨域学习模块,利用Softmax loss和三元组损失学习异构不变的人脸特征表示,分析了特征归一化和尺度放大对于三元组损失的重要性。通过对比实验,确定了多任务学习中属性预测任务的最佳学习策略。最终的评估结果表明在rank-1指标上,本文算法优于大部分主流识别算法,仅略低于CDL算法的性能;而在假阳率等于0.1%的验证指标上,本文算法要优于主流的识别方法。

关键词： NIR-VIS异构人脸识别人脸属性多任务学习三元组损失 Softmax loss

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

大规模人脸属性图像深度描述子的提取和检索

大规模人脸属性图像深度描述子的提取和检索

作者：赵轩南京航空航天大学

学位级别：硕士

随着网络社交平台、安防视频监控的普及,如何在大规模人脸数据库中根据需求高效、准确查询并检索到相关的人脸图像成为计算机视觉中的热点问题。本文针对大规模人脸属性图像深度描述子的提取和检索问题展开研究,具体工作和创新点如下:(1... 详细信息

随着网络社交平台、安防视频监控的普及,如何在大规模人脸数据库中根据需求高效、准确查询并检索到相关的人脸图像成为计算机视觉中的热点问题。本文针对大规模人脸属性图像深度描述子的提取和检索问题展开研究,具体工作和创新点如下:(1)详细介绍分析了卷积神经网络基本理论与基于哈希方法的近似最近邻检索问题,并介绍了深度哈希方法的经典模型,为深度哈希模型的设计提供参考。(2)针对传统的哈希方法大多适用于单标记问题的情况,提出多标记收缩哈希方法。在使用三元组损失训练模型时,为解决传统三元组选择算法对样本点敏感的问题,提出改进的三元组选择算法提高三元组质量,并加速模型的训练过程;为进一步加快模型收敛,采用逐步学习策略,将训练集按对自身属性的展示能力分组,采用不同的学习率训练模型,提升模型性能;同时引入收缩约束项收缩局部编码空间,提升编码过程的抗干扰性,并增加编码的饱和度。(3)通过在公开数据集上与多个经典哈希方法进行对比,证明了MLCH方法的优越性。(4)针对MLCH方法并不研究人脸图像特征提取的问题,提出DMLCH模型实现从人脸属性图像直接到哈希编码的整个流程。通过详细分析基于深度卷积神经网络的经典人脸特征提取模型,并结合实际实验条件,完善了DMLCH模型的结构设计和参数设置;最终通过实验证明了DMLCH模型较MLCH方法更具优越性。

关键词：深度哈希人脸属性卷积神经网络多标记收缩项逐步学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于对抗神经网络的人脸图片属性识别与生成

基于对抗神经网络的人脸图片属性识别与生成

作者：于志鹏北京邮电大学

学位级别：硕士

在模式识别与多媒体搜索领域,深度学习卷积神经网络是近年的新兴技术,凭借着简洁、有效、易训练等优势迅速在图像处理领域得到了广泛的应用。尤其是在人脸相关的领域,卷积神经网络的出现极大提升了人脸识别和人脸属性识别的准确率,俨然... 详细信息

在模式识别与多媒体搜索领域,深度学习卷积神经网络是近年的新兴技术,凭借着简洁、有效、易训练等优势迅速在图像处理领域得到了广泛的应用。尤其是在人脸相关的领域,卷积神经网络的出现极大提升了人脸识别和人脸属性识别的准确率,俨然已经成为目前人脸领域的主流技术和最具前景的技术方向。作为神经网络另类演变,对抗生成网络初期是为了探究神经神经网络的内部构造原理。随着相关技术的不断进化,借助其可以生成逼真图像的特性,在图像重建领域也体现出了很强的实用价值。与此同时,随着监督式学习的性能瓶颈到来,迁移学习的理念作为非监督学习与监督学习之间的过渡,提出可以通过现有场景的数据和方法来探索未知场景下的识别任务,体现出具有较高的研究意义。本文在工程实践和理论研究方面有所兼顾,首先介绍了卷积神经网络的基础结构,传统的理论训练和测试方法;随后介绍了工程上如何使用分布式多卡训练加快神经网络的训练;实际的生产中对于网络前馈所用到的优化技巧,诸如卷积优化,多个计算步骤合并等。最后借助于深度学习框架和指令集技术可以大幅提高训练速度以及10倍的前馈速度提升。研究方面,本文主要研究人脸属性基础识别和人脸属性的迁移学习两个方面的问题。基础的人脸属性识别存在着对于多个数据集任务难以共同利用和网络输出可信程度的把控两个问题,通过调整网络的结构、改进图片预处理的方式、设计自评模块等方法对于相关问题进行了针对性地解决,也提升了人脸图片的属性识别准确性。在morph年龄数据集上绝对误差只有3.5岁,在chalearn fotw性别和微笑数据集准确率上也超过了 90%,而在实验室自已标注的的5类年龄数据集top1准确率达到了 93.6%。另一方面结合对抗生成网络探究迁移学习在人脸属性上的应用,首先通过对于人脸图片进行生成,不断优化合成数据的真实度和广泛性,获得了可以生成真实人脸的神经网络。而为了让人脸属性模型应用于不同的的使用场景,借助于人脸超分辨率的技术结合迁移学习的思想构建了可以对于celeA和lfwA两个数据集都具有良好表现的40类人脸属性模型训练方法。相比于原有模型提高了 10个百分点。

关键词：对抗生成网络人脸属性迁移学习多机多卡前馈优化