CN115497139B 一种融合注意力机制的口罩遮挡人脸检测与识别方法 （西南科技大学）_第1页
CN115497139B 一种融合注意力机制的口罩遮挡人脸检测与识别方法 （西南科技大学）_第2页
CN115497139B 一种融合注意力机制的口罩遮挡人脸检测与识别方法 （西南科技大学）_第3页
CN115497139B 一种融合注意力机制的口罩遮挡人脸检测与识别方法 （西南科技大学）_第4页
CN115497139B 一种融合注意力机制的口罩遮挡人脸检测与识别方法 （西南科技大学）_第5页
已阅读5页，还剩13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

一种融合注意力机制的口罩遮挡人脸检测本发明给出一种融合注意力机制的口罩遮挡人脸检测与识别方法，首先，该网络改进了提出了一种人脸器官注意力机制FOA，使模型聚采用三维人脸网格生成添加口罩遮挡的数据增2来使用人脸关键点检测算法提取人脸的468个关键点，并从中筛选出五个关键点的坐标进步骤2，建立一种添加虚拟口罩遮挡的数据增强器，步骤3，将步骤2得到的训练样本输入到改进后的SwinTrans步骤4，对步骤3得到的初步提取特征图传入到后续的人脸器官注意力机制FOA中对未向进行平均池化，分别得到浓缩特征其中Windowsize步骤8，将FOA注意力加在了TransformerLayer中，使用步骤10，在训练学生模型时加上步骤9得到的余弦损失以指导学生模型的输出特征向32.根据权利要求1所述的一种融合注意力机制的口罩遮挡人脸检测与识别方法，其特3.根据权利要求1所述的一种融合注意力机制的口罩遮挡人脸检测与识别方法，其特4接下来使用人脸关键点检测算法提取人脸的468个关键点，并从中筛选出五个关键点的坐5Sw沿着垂直方向进行平均池化，分别得到浓缩特征W∈ℝ1×H/Winavgavgavgavg经过1×1的2维卷积之后得到特征层M1，接下来插入一个BN层和GELU激活函数得到特征层M22同时具备了输入特征G在x轴和y轴上的特征浓缩；中；[0018]步骤10，在训练学生模型时加上步骤9得到的余弦损失以指导学生模型的输出特改进了SwinTransformer用于人脸特征的提取；其次，提出了一种人脸器官注意力机制6增强器获取步骤1中得到的468个人脸关键点坐标，从468个人脸关键点坐标中按照索引筛[0031]图2是本发明的融合注意力机制的口罩遮挡人脸检测与识别方法具体网络模型输入到改进后的SwinTransformer主干特征提取网络后得到人脸的初步提取特征图I；[0034]步骤4_1，数据增强器使得模型能从数据集中同时加载遮挡程度不同的佩戴口罩ℝ112×112×3尺度的人脸张量中充分提取所需要的特征，更大尺度的设计将导致网络出现性7机制(FaceOrganAttention,FOA)210中对未被遮挡的人脸器官进行重点关注。FOA的具avgavgavgavgavgavgavgavgavgavgavgavg8过ArcFace和人脸标签计算交叉熵得到ArcF脸是否正确佩戴口罩：指导学生模型的输出特征向量近似教师模型的输出特征向量，本发明设置LFace的权重为9[0053]其中与分别为教师模型与学生模式输出的512维人脸特征向量，ϵ设10的Adam优化器按步骤3到步骤10对模型拟口罩遮挡测试集MLFW上的准确率为99.10%，在真实口罩遮挡数据集MWHN上的准确率为改进了Swi

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