针对具有姿态、表情和分辨率单一或多变化情况下,提出了一种基于非线性深度网络的多形态人脸识别算法
本文将介绍一种基于深度学习和稀疏表达的人脸识别算法。首先,利用深度学习框架(VGGFace)提取人脸特征；其次,利用PCA对提取的特征进行降维；最后,利用稀疏表达分类实现特征匹配。我采用CMC曲线评价
针对车辆检测任务,设计更高效、精确的网络模型是行业研究的热点。深层网络模型具有比浅层网络模型更好的特征提取能力,但构建深层网络模型时将导致梯度消失、模型过拟合等问题。应用残差网络结构可以缓解此类问题。
基于深度学习的哼唱检索算法研究,商迎新,刘刚,哼唱检索,作为一种新颖的音频数据检索方式受到了越来越多人的关注。目前大多数哼唱检索算法采用手工提取统计特征的方式,如音高
基于多任务深度学习的人脸特征点定位算法,易鸣,罗涛,本文针对现有基于深度学习的人脸特征点定位算法对于头部姿态变化鲁棒性较差的问题,提出了一种基于多任务深度卷积神经网络(Multi-ta
针对复杂背景下,图像显著区域显著值低和目标边缘表现模糊的问题,提出了基于深度残差网络和多尺度边缘残差学习的显著性检测方法。一方面提出了边缘残差块,使用边缘残差块在深度残差网络的基础上构建边缘监督网络,
基于深度学习的人脸性别识别的研究与实现 摘 要 近年来随着计算性能和样本数量等都得到了几何数量级的提高深度学习得以发挥它的优 势在图像处理相关领域取得了突出的成就人脸检测特征提取人脸识别等领域的研究已
传统的人脸识别方法多采用浅层的结构提取人脸图像特征。这类方法提取人脸图像内涵特征的能力有限,其识别效果也难令人满意。随着认知科学和脑科学的发展,为深层网络技术提供了新的视角和思路。人们模拟人脑分层特征
图像去噪是数字图像处理中最基本的研究内容, 也是一项十分关键的技术, 一直以来是图像处理领域的难点。图像去噪的好坏直接影响后续图像边缘检测、特征提取、图像分割和模式识别等图像处理。为有效去除乘性噪声的
人脸识别机器学习机器学习深度学习 人脸特征
