CN110674714A 基于迁移学习的人脸和人脸关键点联合检测方法 （东南大学）_第1页
CN110674714A 基于迁移学习的人脸和人脸关键点联合检测方法 （东南大学）_第2页
CN110674714A 基于迁移学习的人脸和人脸关键点联合检测方法 （东南大学）_第3页
CN110674714A 基于迁移学习的人脸和人脸关键点联合检测方法 （东南大学）_第4页
CN110674714A 基于迁移学习的人脸和人脸关键点联合检测方法 （东南大学）_第5页
已阅读5页，还剩19页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

号基于迁移学习的人脸和人脸关键点联合检本发明公开了一种快速人脸和人脸关键点骤7，在测试阶段，输入测试图像到学生网络模22.根据权利要求1所述的一种基于迁移学习的快速人脸和人脸关键点联合检测方法，络每一层的通道数量设置为学生网络的4倍，教师网络和学生网络均采用了快速下采样策3.根据权利要求1所述的一种基于迁移学习的快速人脸和人脸关键点联合检测方法，4.根据权利要求1所述的一种基于迁移学习的快速人脸和人脸关键点联合检测方法，(3-2)根据标准的锚点框匹配策略，根据数据集中的人脸尺度分布确定网络各个输出3aN]5.根据权利要求1所述的一种基于迁移学习的快速人脸和人脸关键点联合检测方法，对于所有的负样本，计算出他们分类预测所带来的误4损失函数中的分类损失Lcls项是基于两对于知识蒸馏损失函数，采用自适应KL散度函数来度量默认设为1；5[0003]目前大多数人脸识别方法的流程都需要以人脸检测和人脸关键点的结果作为基6[0013]作为本发明的优选，步骤1中教师网络和学生网络的网络结构仅在每一层的通道[0020]作为本发明的优选，所述步骤3中基于多尺度自适应的锚点框匹配策略包括以下[0022](3-2)根据标准的锚点框匹配策略，根据数据集中的人脸尺度分布确定网络各个][0027]其中ai包括锚点框的位置和大小，根据它们与该人脸标注框的交除并重叠比大AN]78默认设为1；核和一个步长为2的3×3最大池化操作，保证了小尺度特征层的感受野和极大降低了网络9[0074](1)随机旋转操作：如果一张图像中人脸尺度均大于48，则对其以图像中心为原][0085]其中ai包括锚点框的位置和大小。根据它们与该人脸标注框的交除并重叠比大AN](i,)表示人脸标注框左生网络输出概率间隔比较大的样本(hard-to-mimic)，另一类是教师网络输出不确定度比默认设为1。

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论