提高人体姿态估计网络效果的弱监督方法

监督学习通过从大量具有完整标签的训练示例中学习来构建预测模型,在各领域都取得了巨大的成功,但数据标注过程需要消耗巨大的成本,且标注要求越复杂,标注成本越昂贵。关注人体姿态估计网络的弱监督方法,在骨干网络之后增加高、低分辨率子网络,高分辨率网络通过位置特征的相关性加强多个关节点是一个整体的权重,低分辨率网络使网络在训练过程中可接受图像级粗粒度标签。所提方法仅需增加少量有人或无人两种简单标注的图片,即可让网络在目标场景下快速拟合其分布,达到更好的效果。在室内厂房环境、工地施工现场、驾驶室监控环境等不同场景下测试结果表明,所提方法均能达到不错的效果。

基于语义分割的活体检测算法

为了提高人脸识别系统的安全性,防止手机、照片中的人脸图像伪装攻击,提出了一种基于语义分割的活体检测算法。首先,通过全卷积神经网络(FCN)对局部人脸区域进行语义分割,并提出了一种带方向的卷积核对网络进行优化。其次,训练了一个快速分类器对语义分割网络的结果进行分类。最后,对深度学习网络进行串联,形成一个端到端的活体识别框架。试验结果表明:本文检测算法在Casia活体数据集和私有数据集上表现突出,在实际项目中泛化能力突出。