-
题名改进的显式形状回归人脸特征点定位算法
被引量：3
- 1
-
-
作者
贾项南
于凤芹
陈莹
-
机构
江南大学物联网工程学院
-
出处
《计算机应用》
CSCD
北大核心
2018年第5期1289-1293,共5页
-
基金
国家自然科学基金资助项目(61573168)
中央高校基本科研业务费专项资金资助项目(JUSRP51733B)~~
-
文摘
针对显式形状回归(ESR)人脸特征点定位精度低的问题,提出了改进的显式形状回归人脸特征点定位算法。首先定位出三点人脸形状代替人脸检测框作为初始形状的映射标准来得到更精确的初始人脸形状,然后采用像素块特征代替像素特征对抗光照变化来提高算法的鲁棒性,最后采用多假设融合策略代替平均法对多个定位结果进行最佳融合来进一步提高算法的定位精度。仿真实验结果表明,在LFPW、HELEN和300-W人脸库上,与显式形状回归算法相比,定位精度分别提高了7.96%、5.36%和1.94%。
-
关键词
显式形状回归
人脸特征点定位
初始人脸形状
像素块特征
多假设融合策略
-
Keywords
Explicit Shape Regression （ESR）
face alignment
initial face shape
pixel block feature
multiple hypothesis fusion strategy
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于分块LBP融合特征和SVM的人脸识别算法
被引量：24
- 2
-
-
作者
张敦凤
高宁化
王姮
冯兴华
霍建文
张静
-
机构
西南科技大学信息工程学院
-
出处
《传感器与微系统》
CSCD
2019年第5期154-156,160,共4页
-
基金
四川省科技计划资助项目(2019JDRC0141)
-
文摘
针对传统局部二值模式(LBP)特征提取方法在光线和人脸表情变化的情况下表现不佳、单一方法提取出的特征不能多角度表现出整张人脸的特征信息的问题,提出一种基于分块LBP融合特征和支持向量机(SVM)的人脸识别方法。先将人脸图像划分为不同的块,对每一块提取LBP特征;然后将不同分块的像素均值特征与LBP特征进行融合,用融合后的特征向量来表征人脸;最后引入SVM作为分类器对上述特征进行分类。在YALE、ORL标准人脸库以及自建人脸库上进行实验验证,实验结果表明:该方法识别准确率分别能达到95. 15%,99. 75%,96. 25%,对比实验显示,该方法优于C4. 5决策树、随机森林等传统方法。
-
关键词
像素均值特征
分块局部二值模式(LBP)
支持向量机
特征融合
-
Keywords
pixel mean feature
block local binary pattern(LBP)
support vector machine(SVM)
feature fusion
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP181
[自动化与计算机技术—计算机科学与技术]
-
-
题名一种基于YOLOv4的密集人群小目标检测方法
- 3
-
-
作者
王翀
王同军
周正一
-
机构
海军装备部装备审价中心
-
出处
《应用科技》
CAS
2024年第2期82-89,共8页
-
文摘
针对密集人群中由于视觉受阻和目标被遮挡导致小目标检测精度不佳的问题,本文基于YOLOv4模型将卷积块–像素块注意力机制模块(convolutional-pixel block attention module,CBAM-PIX)融入主干网络CSPDarknet53,并利用级联思想改进特征融合网络。注意力机制方法和特征融合方法不仅提升了数据的丰富性,而且提高了空间通道像素提取信息的能力和目标检测的准确性。此外,通过减少网络层数降低计算量和减少参数,提高了网络模型在有限计算资源和设备需求下的适应能力。实验结果表明,改进的模型算法在用于密集人群小目标检测时精确度提升了1.96%,且鲁棒性强。该算法为解决复杂背景下密集人群小目标检测提供了有效的解决方案,具有应用价值。
-
关键词
小目标检测
YOLOv4
特征提取
卷积块–像素块注意力机制模块
密集人群
多尺度特征网络
WiderPerson数据集
特征融合
-
Keywords
small target detection
YOLOv4
feature extraction
convolutional-pixel block attention module
dense crowds
multi-scale feature network
WiderPerson dataset
feature fusion
-
分类号
TN911.73
[电子电信—通信与信息系统]
-
-
题名基于注意力机制的改进双判别器图像修复算法
被引量：2
- 4
-
-
作者
李硕
刘斌
刘昱萌
张娟娟
-
机构
陕西科技大学电子信息与人工智能学院
-
出处
《陕西科技大学学报》
北大核心
2022年第2期171-177,194,共8页
-
基金
国家自然科学基金项目(61871260)。
-
文摘
为解决基于生成式对抗网络的图像修复模型存在的修复结果效果差和内容、细节等特征信息还原不准确这一问题,提出一种融合通道、像素注意力机制的多损失生成对抗网络算法.首先,该算法利用通道注意力块获取高关联的通道特征图;然后,通过像素注意力块对高关联通道特征图上所有像素进行打分,从而获取与缺损区域关联性更高的图像未缺损区域信息;最后,通过引入Vgg16特征提取模型向生成器的优化函数中引入内容、风格损失项,以多损失融合的方式提高图像的修复效果.在目前广泛使用的CelebA数据集和SVHN数据集上验证模型的修复效果,本算法在主客观指标上均优于DCGAN算法、CE算法和DD算法.
-
关键词
通道注意力块
像素注意力块
Vgg16特征提取模型
多损失融合
生成对抗网络
-
Keywords
channel attention block
pixel attention block
Vgg16 feature extraction model
multi-loss fusion
generative adversarial network
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
