期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多语义融合与ArcFace损失的指静脉识别算法
1
作者
王智霖
沈雷
+1 位作者
徐文贵
李琦
《杭州电子科技大学学报(自然科学版)》
2022年第1期53-59,共7页
指静脉识别深度学习方法往往忽视指静脉低级特征,未能充分利用指静脉轮廓、纹理等特征。为此,提出一种基于多语义特征融合网络与ArcFace损失的指静脉识别算法。首先,充分利用神经网络低层提取的指静脉轮廓角点等细节特征和纹理形状等结...
指静脉识别深度学习方法往往忽视指静脉低级特征,未能充分利用指静脉轮廓、纹理等特征。为此,提出一种基于多语义特征融合网络与ArcFace损失的指静脉识别算法。首先,充分利用神经网络低层提取的指静脉轮廓角点等细节特征和纹理形状等结构信息,提出跨层拼接的特征融合机制,解决仅利用指静脉高级特征识别而忽视静脉低级特征的问题;其次,残差单元采用双层卷积结构,增加了相邻残差单元特征图的距离,消除了指静脉各级语义特征重叠现象,并采用阶跃式残差单元分布来提升网络高低层残差单元数量的差异,进一步加大了指静脉各级特征的距离;最后,在损失函数中加入ArcFace损失项,在角度域聚敛类内距离,分离类间距离,减小指静脉特征向量的类内距离。在公开数据集FV-USM、实验室采集的正常图像库及特殊图像库上进行性能分析实验,结果表明,和指静脉识别经典网络相比,提出算法的零误识拒识率分别降低了8.89%,6.89%和14.68%,Top1排序性能分别提升了2.85%,5.10%和9.07%。
展开更多
关键词
多语义融合
arcface损失
残差网络
指静脉识别
下载PDF
职称材料
基于特征加权融合的轻量级人脸识别方法
2
作者
龚汝洪
周燕
《物联网技术》
2024年第10期7-9,共3页
针对复杂自然场景中人脸识别的难题,提出一种基于特征加权融合的轻量级人脸识别方法,通过对MobileFaceNet进行改进,实现自然场景下的实时人脸识别。SEMobileFaceNet对原MobileFaceNet的BottleBlock模块及边缘损失ArcFace进行了优化,在Bo...
针对复杂自然场景中人脸识别的难题,提出一种基于特征加权融合的轻量级人脸识别方法,通过对MobileFaceNet进行改进,实现自然场景下的实时人脸识别。SEMobileFaceNet对原MobileFaceNet的BottleBlock模块及边缘损失ArcFace进行了优化,在BottleBlock模块中加入了SE,利用通道注意力机制对不同通道的特征进行加权融合,提高对关键特征的利用。对边缘损失ArcFace的改进在于将角度裕量改为动态调整,根据梯度值的大小忽略或裁剪部分梯度。改进后的SEMobileFaceNet在自然场景人脸识别中准确率和召回率更高,泛化能力更好,能够有效完成复杂环境中的人脸识别。
展开更多
关键词
特征加权融合
轻量级人脸识别
数据预处理
SEMobileFaceNet
BottleBlock模块
边缘
损失
arcface
下载PDF
职称材料
改进视觉Transformer的人脸识别方法
被引量:
5
3
作者
季瑞瑞
谢宇辉
+1 位作者
骆丰凯
梅远
《计算机工程与应用》
CSCD
北大核心
2023年第8期117-126,共10页
目前大多数人脸识别方法依赖于卷积神经网络,通过级联的形式构建多层处理单元,利用卷积操作融合局部特征,忽略了人脸全局语义信息,缺乏对人脸重点区域的关注度。针对上述问题,提出一种基于改进视觉Transformer的人脸识别方法,引入Shuffl...
目前大多数人脸识别方法依赖于卷积神经网络,通过级联的形式构建多层处理单元,利用卷积操作融合局部特征,忽略了人脸全局语义信息,缺乏对人脸重点区域的关注度。针对上述问题,提出一种基于改进视觉Transformer的人脸识别方法,引入Shuffle Transformer作为特征提取骨干网络,通过自注意力机制以及Shuffle操作捕捉特征图全局信息,建立特征点之间的长距离依赖关系,提高模型的特征感知能力;同时,结合ArcFace损失函数和中心损失函数的特点,设计融合损失作为目标函数,利用类内约束扩大角度间隔,提高特征空间的辨别性。该方法在LFW、CALFW、CPLFW、AgeDB-30和CFP五个具有挑战性的基准测试人脸数据集上分别取得了99.83%、95.87%、90.05%、98.05%、97.23%的平均准确率,能够有效提升人脸特征提取能力,识别效果优于同等规模卷积神经网络。
展开更多
关键词
人脸识别
视觉Transformer
自注意力机制
arcface损失
函数
下载PDF
职称材料
基于OpenCV和CNN的儿童防溺水测试研究
被引量:
1
4
作者
贾双英
杨淳乐
《电脑与电信》
2023年第8期85-89,共5页
游泳是孩子喜欢的运动方式,但游泳溺水事件常有发生,采用深度学习的理论与技术,设计一款溺水检测模型,对游泳场景进行数据采集,通过图像模型检测分析,如遇危险状况时及时向救生员发出警报,以预防溺水事件发生。最后对模型进行验证,达到...
游泳是孩子喜欢的运动方式,但游泳溺水事件常有发生,采用深度学习的理论与技术,设计一款溺水检测模型,对游泳场景进行数据采集,通过图像模型检测分析,如遇危险状况时及时向救生员发出警报,以预防溺水事件发生。最后对模型进行验证,达到设计效果。
展开更多
关键词
深度学习
OPENCV
arcface损失
函数
溺水监测模型
下载PDF
职称材料
基于CNN与Transformer混合模型的口罩人脸识别方法
被引量:
12
5
作者
姜绍忠
姚克明
+2 位作者
陈磊
王中洲
郭复澳
《传感器与微系统》
CSCD
北大核心
2023年第1期144-148,共5页
针对疫情背景下,因佩戴口罩导致普通人脸识别算法失效的问题,提出一种基于卷积神经网络(CNN)与Transformer混合模型的口罩人脸识别方法。结合了CNN与Transformer的优点,能够很好地处理局部和全局信息,使模型拥有更好的性能及泛化能力。...
针对疫情背景下,因佩戴口罩导致普通人脸识别算法失效的问题,提出一种基于卷积神经网络(CNN)与Transformer混合模型的口罩人脸识别方法。结合了CNN与Transformer的优点,能够很好地处理局部和全局信息,使模型拥有更好的性能及泛化能力。在卷积模块引入空间注意力模块,加强模型对于鲁棒人脸特征信息的提取,使用Sub-center Arcface损失函数,进一步提高模型的分类精度。在人工合成的口罩人脸数据集和真实的戴口罩人脸数据集上的实验表明,本文模型能够同时有效处理戴口罩和不戴口罩人脸识别任务,拥有较小的参数量的同时,具备较高的识别精度。
展开更多
关键词
口罩人脸识别
混合模型
空间注意力机制
Sub-center
arcface损失
函数
下载PDF
职称材料
题名
基于多语义融合与ArcFace损失的指静脉识别算法
1
作者
王智霖
沈雷
徐文贵
李琦
机构
杭州电子科技大学通信工程学院
出处
《杭州电子科技大学学报(自然科学版)》
2022年第1期53-59,共7页
文摘
指静脉识别深度学习方法往往忽视指静脉低级特征,未能充分利用指静脉轮廓、纹理等特征。为此,提出一种基于多语义特征融合网络与ArcFace损失的指静脉识别算法。首先,充分利用神经网络低层提取的指静脉轮廓角点等细节特征和纹理形状等结构信息,提出跨层拼接的特征融合机制,解决仅利用指静脉高级特征识别而忽视静脉低级特征的问题;其次,残差单元采用双层卷积结构,增加了相邻残差单元特征图的距离,消除了指静脉各级语义特征重叠现象,并采用阶跃式残差单元分布来提升网络高低层残差单元数量的差异,进一步加大了指静脉各级特征的距离;最后,在损失函数中加入ArcFace损失项,在角度域聚敛类内距离,分离类间距离,减小指静脉特征向量的类内距离。在公开数据集FV-USM、实验室采集的正常图像库及特殊图像库上进行性能分析实验,结果表明,和指静脉识别经典网络相比,提出算法的零误识拒识率分别降低了8.89%,6.89%和14.68%,Top1排序性能分别提升了2.85%,5.10%和9.07%。
关键词
多语义融合
arcface损失
残差网络
指静脉识别
Keywords
multi semantic fusion
arcface
loss
residual network
finger vein recognition
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于特征加权融合的轻量级人脸识别方法
2
作者
龚汝洪
周燕
机构
广东宜教通科技有限公司
佛山大学电子信息工程学院
出处
《物联网技术》
2024年第10期7-9,共3页
基金
国家自然科学基金项目(61972091)
广东省自然科学基金项目(2021A1515012639)
+2 种基金
广东省普通高校重点研究项目(2019KZDXM007)
佛山市科技创新项目(2020001003285)
佛山市教育局特色创新项目(2019XJZZ10)。
文摘
针对复杂自然场景中人脸识别的难题,提出一种基于特征加权融合的轻量级人脸识别方法,通过对MobileFaceNet进行改进,实现自然场景下的实时人脸识别。SEMobileFaceNet对原MobileFaceNet的BottleBlock模块及边缘损失ArcFace进行了优化,在BottleBlock模块中加入了SE,利用通道注意力机制对不同通道的特征进行加权融合,提高对关键特征的利用。对边缘损失ArcFace的改进在于将角度裕量改为动态调整,根据梯度值的大小忽略或裁剪部分梯度。改进后的SEMobileFaceNet在自然场景人脸识别中准确率和召回率更高,泛化能力更好,能够有效完成复杂环境中的人脸识别。
关键词
特征加权融合
轻量级人脸识别
数据预处理
SEMobileFaceNet
BottleBlock模块
边缘
损失
arcface
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
改进视觉Transformer的人脸识别方法
被引量:
5
3
作者
季瑞瑞
谢宇辉
骆丰凯
梅远
机构
西安理工大学自动化与信息工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2023年第8期117-126,共10页
基金
陕西省重点研发计划项目(2020ZDLGY04-04)。
文摘
目前大多数人脸识别方法依赖于卷积神经网络,通过级联的形式构建多层处理单元,利用卷积操作融合局部特征,忽略了人脸全局语义信息,缺乏对人脸重点区域的关注度。针对上述问题,提出一种基于改进视觉Transformer的人脸识别方法,引入Shuffle Transformer作为特征提取骨干网络,通过自注意力机制以及Shuffle操作捕捉特征图全局信息,建立特征点之间的长距离依赖关系,提高模型的特征感知能力;同时,结合ArcFace损失函数和中心损失函数的特点,设计融合损失作为目标函数,利用类内约束扩大角度间隔,提高特征空间的辨别性。该方法在LFW、CALFW、CPLFW、AgeDB-30和CFP五个具有挑战性的基准测试人脸数据集上分别取得了99.83%、95.87%、90.05%、98.05%、97.23%的平均准确率,能够有效提升人脸特征提取能力,识别效果优于同等规模卷积神经网络。
关键词
人脸识别
视觉Transformer
自注意力机制
arcface损失
函数
Keywords
face recognition
visual Transformer
self-attention mechanism
arcface
loss function
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于OpenCV和CNN的儿童防溺水测试研究
被引量:
1
4
作者
贾双英
杨淳乐
机构
西京学院
出处
《电脑与电信》
2023年第8期85-89,共5页
文摘
游泳是孩子喜欢的运动方式,但游泳溺水事件常有发生,采用深度学习的理论与技术,设计一款溺水检测模型,对游泳场景进行数据采集,通过图像模型检测分析,如遇危险状况时及时向救生员发出警报,以预防溺水事件发生。最后对模型进行验证,达到设计效果。
关键词
深度学习
OPENCV
arcface损失
函数
溺水监测模型
Keywords
deep learning
OpenCV
arcface
loss function
drowning monitoring model
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于CNN与Transformer混合模型的口罩人脸识别方法
被引量:
12
5
作者
姜绍忠
姚克明
陈磊
王中洲
郭复澳
机构
江苏理工学院电子信息工程学院
出处
《传感器与微系统》
CSCD
北大核心
2023年第1期144-148,共5页
基金
江苏省产学研前瞻性联合研发项目(BY2020023)。
文摘
针对疫情背景下,因佩戴口罩导致普通人脸识别算法失效的问题,提出一种基于卷积神经网络(CNN)与Transformer混合模型的口罩人脸识别方法。结合了CNN与Transformer的优点,能够很好地处理局部和全局信息,使模型拥有更好的性能及泛化能力。在卷积模块引入空间注意力模块,加强模型对于鲁棒人脸特征信息的提取,使用Sub-center Arcface损失函数,进一步提高模型的分类精度。在人工合成的口罩人脸数据集和真实的戴口罩人脸数据集上的实验表明,本文模型能够同时有效处理戴口罩和不戴口罩人脸识别任务,拥有较小的参数量的同时,具备较高的识别精度。
关键词
口罩人脸识别
混合模型
空间注意力机制
Sub-center
arcface损失
函数
Keywords
masked face recognition
hybrid mechanism
spatial attention mechanism
Sub-center
arcface
loss function
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于多语义融合与ArcFace损失的指静脉识别算法
王智霖
沈雷
徐文贵
李琦
《杭州电子科技大学学报(自然科学版)》
2022
0
下载PDF
职称材料
2
基于特征加权融合的轻量级人脸识别方法
龚汝洪
周燕
《物联网技术》
2024
0
下载PDF
职称材料
3
改进视觉Transformer的人脸识别方法
季瑞瑞
谢宇辉
骆丰凯
梅远
《计算机工程与应用》
CSCD
北大核心
2023
5
下载PDF
职称材料
4
基于OpenCV和CNN的儿童防溺水测试研究
贾双英
杨淳乐
《电脑与电信》
2023
1
下载PDF
职称材料
5
基于CNN与Transformer混合模型的口罩人脸识别方法
姜绍忠
姚克明
陈磊
王中洲
郭复澳
《传感器与微系统》
CSCD
北大核心
2023
12
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部