一种基于轻量化卷积神经网络的表情识别方法

    公开(公告)号:CN111160327B

    公开(公告)日:2020-06-30

    申请号:CN202010252867.1

    申请日:2020-04-02

    摘要: 本发明涉及人工智能领域,具体提供了一种基于轻量化卷积神经网络的表情识别方法,其特征在于,包括:S1:搭建并训练轻量化卷积网络模型,所述轻量化卷积网络模型的卷积层数范围为36‑58,分组卷积组数范围为2‑4,压缩层压缩因子范围为0.3‑0.5;S2:搭建人脸校正器;S3:采用人脸校正器检测并校正输入图像,获得预处理图像;S4:采用轻量化卷积神经网络模型分类预处理图像中的人脸表情。本发明解决了现有技术存在的识别准确率较低,识别速度慢的技术问题,在保证准确率的同时还具有较高的实时性。

    一种基于分组卷积神经网络的表情识别方法

    公开(公告)号:CN111126364A

    公开(公告)日:2020-05-08

    申请号:CN202010235994.0

    申请日:2020-03-30

    IPC分类号: G06K9/00 G06N3/04 G06N3/08

    摘要: 本发明涉及人工智能领域,具体提供一种基于分组卷积神经网络的表情识别方法,包括:S1:搭建并训练分组卷积神经网络模型;S2:提取输入图像信息;所述分组卷积网络模型将每个卷积层分解为深度卷积和点卷积,再将每个所述点卷积分组;S3:搭建人脸校正器;S4:采用人脸校正器检测并校正输入图像,获得预处理图像;S5:采用分组卷积神经网络模型分类预处理图像中的人脸表情。本发明解决了现有技术存在的识别准确率较低,识别速度慢的技术问题,在保证准确率的同时还具有较高的实时性。

    基于多源信息融合的虹膜活体检测方法及装置

    公开(公告)号:CN117351579A

    公开(公告)日:2024-01-05

    申请号:CN202311350902.3

    申请日:2023-10-18

    摘要: 本公开提供了一种基于多源信息融合的虹膜活体检测方法及装置,该方法包括:获取训练样本集,所述训练样本集包括多个类型的假体虹膜图像;基于所述训练样本集训练活体检测模型;其中,所述活体检测模型用于提取输入图像的全局虹膜特征和局部虹膜特征,对所述全局虹膜特征和所述局部虹膜特征进行特征融合得到融合特征,对所述全局虹膜特征、所述局部虹膜特征以及所述融合特征进行分类判断,将所述分类判断进行融合得到所述输入图像的活体检测结果;基于训练完成的活体检测模型对待测虹膜图像进行虹膜活体检测。本公开能够解决相关技术难以检测多种攻击类型的问题。

    基于发光笔和双摄像头的人机交互方法及系统

    公开(公告)号:CN112506361B

    公开(公告)日:2023-02-28

    申请号:CN202011321506.4

    申请日:2020-11-23

    摘要: 本发明涉及人机交互系统,其包括发光笔、两个摄像头和主机;两个摄像头光轴平行于屏幕,用于从发光体侧面捕获包含所述发光体的第一和第二图像并将其发送至主机;第一摄像头与第二摄像头的光轴和屏幕之间的距离相同;主机确定发光体上的平行于屏幕的目标截面在所述第一图像中的第一起始像素点和第一终止像素点,以及确定所述目标截面在所述第二图像中的第二起始像素点和第二终止像素点,所述目标截面为所述两个摄像头光轴延长线所在的平面;主机还用于根据所述第一、第二起始像素点、第一、二终止像素点的形成光路与所述目标截面的几何关系确定触点的程序空间坐标,并使主机进行响应。本发明可实现对屏幕的无遮挡、无死角触控,提高人机交互效率。

    一种基于D2D-U通信的自适应半分布式资源分配方法

    公开(公告)号:CN112261729B

    公开(公告)日:2021-03-19

    申请号:CN202011542082.4

    申请日:2020-12-24

    IPC分类号: H04W72/04 H04W72/08 H04W4/70

    摘要: 本发明提供一种基于D2D‑U通信的自适应半分布式资源分配方法,包括基站初始化;D2D‑U对初始化;将所述授权信道上的同信道干扰约束广播给所有D2D‑U对;在所述每个D2D‑U对处进行资源分配目标函数的转换;每个D2D‑U对利用分布式算法进行求解;根据所述D2D‑U对之间传输的辅助参数,对转换后的资源分配目标函数进行求解,获得最优纳什均衡解;利用在D2D‑U对之间传输的辅助变量,使得D2D‑U对无需知道其他D2D‑U对的目标函数和具体资源分配策略,无需获取系统内部全部的CSI信息,就能得到使得系统达到纳什均衡的本地资源分配策略,在每个D2D‑U处其目标函数不仅与本地资源分配策略有关,还与其他D2D‑U对的资源分配策略相关,提升了系统的能量效率。

    一种基于轻量化卷积神经网络的表情识别方法

    公开(公告)号:CN111160327A

    公开(公告)日:2020-05-15

    申请号:CN202010252867.1

    申请日:2020-04-02

    摘要: 本发明涉及人工智能领域,具体提供了一种基于轻量化卷积神经网络的表情识别方法,其特征在于,包括:S1:搭建并训练轻量化卷积网络模型,所述轻量化卷积网络模型的卷积层数范围为36-58,分组卷积组数范围为2-4,压缩层压缩因子范围为0.3-0.5;S2:搭建人脸校正器;S3:采用人脸校正器检测并校正输入图像,获得预处理图像;S4:采用轻量化卷积神经网络模型分类预处理图像中的人脸表情。本发明解决了现有技术存在的识别准确率较低,识别速度慢的技术问题,在保证准确率的同时还具有较高的实时性。