-
公开(公告)号：CN113269862B
公开(公告)日：2024-06-21
申请号：CN202110601213.X
申请日：2021-05-31
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于图像处理与模式识别技术领域，具体涉及一种场景自适应的精细三维人脸重建方法、系统、电子设备，旨在解决现有三维人脸重建的重建结果模型感强、泛化性差的缺陷问题；其中方法包括基于3DMM和图形学成像模型对训练集的人脸形状进行增广，获得多个三维人脸数据及其对应的图像；对三维人脸数据对应图像拟合一个三维可变模型作为初始形状，基于三维人脸数据对应图像及初始形状进行虚拟多视角生成，获得多视角图像；将多视角图像输入多对一漏斗网络中，通过视觉一致的损失函数进行优化，获得精细化的三维人脸形状；本发明从训练数据构造、模型设计和场景自适应三个方面做出改善，实现在精细形状重建的同时，提升模型在无约束场景下的鲁棒性。
-
公开(公告)号：CN117392326A
公开(公告)日：2024-01-12
申请号：CN202311490396.8
申请日：2023-11-09
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于单张图像的三维人体重建方法及相关设备，涉及图像处理技术领域，所述方法包括：将单张人体图像输入全局编码器，获取第一身体参数和全局二维特征；将第一手部特征、第一头部特征以及单张人体图像输入局部解码器，获取第一手部参数和第一头部参数；第一手部特征和所述第一头部特征是从全局二维特征中分离出来的；将第一身体参数、第一手部参数和第一头部参数输入部件交互模块进行部件交互，得到三维人体重建结果；部件交互模块用于基于第一身体参数、第一手部参数和第一头部参数进行身体、手部和头部之间的信息交互，以调整第一身体参数、第一手部参数和第一头部参数。本发明提高了三维人体重建结果的精度。
-
公开(公告)号：CN115953533A
公开(公告)日：2023-04-11
申请号：CN202211700116.7
申请日：2022-12-28
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种三维人体重建方法及装置，该方法包括：获取单目图像在原始姿态空间下的人体SMPL多人蒙皮线性参数及单目图像在原始姿态空间下的法向图；将法向图及标准空间中的三维点的坐标输入标准隐式模块，得到标准隐式模块输出的有向距离场，并根据有向距离场构建出标准姿态空间下的三维人体；通过人体SMPL参数将标准姿态空间下的三维人体形变为原始姿态空间下的三维人体，并将原始姿态空间下的三维人体输入法向细化模块重建出目标三维人体；其中，法向细化模块用于使原始姿态空间下的三维人体的表面法向逼近单目图像的法向，实现基于单张图像的高保真可驱动的目标三维人体重建。
-
公开(公告)号：CN115909441A
公开(公告)日：2023-04-04
申请号：CN202211387574.X
申请日：2022-11-07
Applicant: 中国科学院自动化研究所
IPC: G06V40/16 , G06V10/82 , G06V10/74 , G06N3/0464 , G06N3/045 , G06N3/082 , G06N3/0499
Abstract: 本发明提供一种人脸识别模型建立方法、人脸识别方法和电子设备。该方法包括：构建初始学生网络模型；将训练图像集进行分组后，逐组输入所述初始学生网络模型和预训练的教师网络模型，输出得到多组相互对应的学生网络特征向量集合和教师网络特征向量集合；针对每个学生网络特征向量和每个教师网络特征向量，分别计算与各类别特征向量之间的余弦相似度，对余弦相似度进行分组；分别根据对应的余弦相似度的分组结果对初始损失函数进行解耦和筛选，根据的筛选结果对初始学生网络的参数进行优化，完成一次优化迭代过程；重复上述步骤，直至得到收敛的学生网络模型，作为人脸识别模型。该方法降低了知识蒸馏的难度，且得到的人脸识别模型性能较好。
-
公开(公告)号：CN113269862A
公开(公告)日：2021-08-17
申请号：CN202110601213.X
申请日：2021-05-31
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于图像处理与模式识别技术领域，具体涉及一种场景自适应的精细三维人脸重建方法、系统、电子设备，旨在解决现有三维人脸重建的重建结果模型感强、泛化性差的缺陷问题；其中方法包括基于3DMM和图形学成像模型对训练集的人脸形状进行增广，获得多个三维人脸数据及其对应的图像；对三维人脸数据对应图像拟合一个三维可变模型作为初始形状，基于三维人脸数据对应图像及初始形状进行虚拟多视角生成，获得多视角图像；将多视角图像输入多对一漏斗网络中，通过视觉一致的损失函数进行优化，获得精细化的三维人脸形状；本发明从训练数据构造、模型设计和场景自适应三个方面做出改善，实现在精细形状重建的同时，提升模型在无约束场景下的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN109948478B
公开(公告)日：2021-05-11
申请号：CN201910168644.4
申请日：2019-03-06
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于人脸识别领域，具体涉及一种基于神经网络的大规模非均衡数据的人脸识别方法、系统，旨在为了解决基于大规模数据优化并提高人脸识别效率的问题，本发明通过改进损失函数和采样方式来提升模型人脸识别的性能，在损失函数方面提出了自适应边界裕量的损失函数来应对非均衡人脸数据，在采样方面针对数据采样和分类模板采样分别提出了改进方案。本发明可以较为高效地在大规模非均衡人脸数据上进行模型训练，并在性能上取得了提升。
-
公开(公告)号：CN108764048B
公开(公告)日：2021-03-16
申请号：CN201810396866.7
申请日：2018-04-28
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及计算机视觉处理技术领域，并提出了一种人脸关键点检测方法，旨在解决在人脸关键点检测中计算代价较大和计算资源利用率低下的技术问题。为此目的，本发明中的人脸关键点检测方法包括：利用预先构建的人脸关键点识别模型对人脸图像进行识别，得到人脸关键点的位置信息；人脸关键点识别模型的训练过程为：校正网络利用距离损失函数和反向传播算法对训练用样本数据进行粗略关键点定位；利用变换矩阵对校正网络所定位出的粗略关键点进行变换得到校正后的校正样本数据；回归网络对校正样本数据进行回归计算，检测出人脸关键点位置信息。基于上述步骤，本发明可以快速、准确地检测出人脸图像中人脸关键点信息。
-
公开(公告)号：CN112329617A
公开(公告)日：2021-02-05
申请号：CN202011216042.0
申请日：2020-11-04
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供了一种基于单张源域样本的新场景人脸识别模型构建方法、系统。本发明方法包括：基于源域图像样本构成的第一样本集训练人脸识别模型得到第一模型；基于第一模型对第一样本集进行样本特征提取，对各类样本分别基于距离其类别中心的预设距离选取一个源域图像样本作为保留样本加入目标域样本集，得到第二样本集；基于第一模型对第二样本集中各样本进行特征提取，分别计算第二样本集中各类样本的类别特征模板，并扩展到第一模型的分类层中，得到第二模型；基于第二样本集，通过硬标签和软标签的共同约束训练第二模型，得到新场景人脸识别模型。本发明解决了人脸识别方法在应对新场景数据时存在的灾难性遗忘性问题，并减少了训练时间。
-
公开(公告)号：CN112002014A
公开(公告)日：2020-11-27
申请号：CN202010892658.3
申请日：2020-08-31
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于图像处理与模式识别技术领域，具体涉及一种面向精细结构的三维人脸重建方法、系统、装置，旨在解决三维人脸重建精度较差的问题。本发明方法包括：获取待重建的二维人脸图像；获取三维空间变换函数和初始的三维人脸形状；对初始的三维人脸形状进行空间变换，并将图像脸部区域的各像素映射到3DMM模型的UV纹理空间，得到UV纹理图；获取UV可见图并提取特征，得到注意力特征图；将初始的三维人脸形状各点映射到UV纹理空间，得到UV形状图；将注意力特征图、UV纹理图相乘后与UV形状图相加；获取3DMM人脸模型各点的更新量，并与初始的三维人脸形状对应的各点相加，得到三维重建结果。本发明提高了人脸模型重建的精度。
-
公开(公告)号：CN109948478A
公开(公告)日：2019-06-28
申请号：CN201910168644.4
申请日：2019-03-06
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于人脸识别领域，具体涉及一种基于神经网络的大规模非均衡数据的人脸识别方法、系统，旨在为了解决基于大规模数据优化并提高人脸识别效率的问题，本发明通过改进损失函数和采样方式来提升模型人脸识别的性能，在损失函数方面提出了自适应边界裕量的损失函数来应对非均衡人脸数据，在采样方面针对数据采样和分类模板采样分别提出了改进方案。本发明可以较为高效地在大规模非均衡人脸数据上进行模型训练，并在性能上取得了提升。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.034 seconds)
