-
公开(公告)号：CN106650642B
公开(公告)日：2019-09-10
申请号：CN201611107603.7
申请日：2016-12-06
Applicant: 东南大学
Abstract: 本发明公开一种基于标记分布来解决类别缺失问题的人类年龄自动估计方法，步骤为：(1)获取用于训练的人脸图像训练集并且对人脸图像进行特征抽取；(2)对已经抽取好的特征进行降维；(3)收集每一幅人脸图像的年龄信息，根据年龄信息，生成该图像对应的标记分布；(4)使用图像特征向量及生成的标记分布训练模型，计算最大熵模型预测的标记分布与真实年龄的标记分布的Jeffrey散度，再加入平滑正则项作为目标函数，并对该目标函数进行优化；(5)最后得出待测人脸图像的年龄输出。本发明可以快速有效地训练出用于预测缺失类别的人类年龄自动估计的模型，并且不同于传统的训练集类别缺失问题，不需要辅助信息进行训练。
-
公开(公告)号：CN106599815A
公开(公告)日：2017-04-26
申请号：CN201611107604.1
申请日：2016-12-06
Applicant: 东南大学
CPC classification number: G06K9/00228 , G06K9/00268 , G06K9/48 , G06K9/6256 , G06K2009/485
Abstract: 本发明公开一种基于标记分布的解决类别缺失问题的头部姿态估计方法，步骤为：获取用于训练的人脸图像训练集并且对人脸图像进行裁剪，使其只剩下人脸部分；将所有裁剪后的人脸图像进行放缩，使所有的人脸图像有相同的分辨率；对放缩后的人脸图像提取图像的特征向量；收集每一幅人脸图像的头部姿态信息，根据头部姿态信息，生成该图像对应的标记分布；生成目标函数，并对该目标函数进行优化；将待测图像的特征向量送入训练出来的模型，计算该图像的标记分布，从而得到该图像的头部姿态。本发明可以快速有效地训练出用于预测缺失类别的人脸头部姿态的模型，并且相比于传统的训练集类别缺失问题，本发明不需要属性或者语义短语等辅助信息来进行训练。
-
公开(公告)号：CN106228139A
公开(公告)日：2016-12-14
申请号：CN201610598661.8
申请日：2016-07-27
Applicant: 东南大学
CPC classification number: G06K9/00288 , G06K2009/00322 , G06N3/084
Abstract: 本发明公开了一种基于卷积网络的表观年龄预测算法及其系统，首先对数据集进行预处理，然后选择一个预训练好的卷积网络作为初始网络，在划分后的传统的年龄数据集上对卷积网络进行训练，得到多个新的卷积网络，之后再用表观年龄数据集对这些新的卷积网络进行训练，得到多个训练后的卷积网络。最终使用集成方法来对这些网络进行集成，得到最终训练好的表观年龄预测模型。基于此模型，本发明还公开了一种基于卷积网络的表观年龄预测的系统，该系统使用表观年龄预测模型进行预测，得到最终的预测年龄。本发明可以快速、有效地训练出用于表观年龄预测的模型，而且预测的准确度很高，在常见的表观年龄数据集上取得了很好的效果。
-
公开(公告)号：CN106650642A
公开(公告)日：2017-05-10
申请号：CN201611107603.7
申请日：2016-12-06
Applicant: 东南大学
Abstract: 本发明公开一种基于标记分布来解决类别缺失问题的人类年龄自动估计方法，步骤为：(1)获取用于训练的人脸图像训练集并且对人脸图像进行特征抽取；(2)对已经抽取好的特征进行降维；(3)收集每一幅人脸图像的年龄信息，根据年龄信息，生成该图像对应的标记分布；(4)使用图像特征向量及生成的标记分布训练模型，计算最大熵模型预测的标记分布与真实年龄的标记分布的Jeffrey散度，再加入平滑正则项作为目标函数，并对该目标函数进行优化；(5)最后得出待测人脸图像的年龄输出。本发明可以快速有效地训练出用于预测缺失类别的人类年龄自动估计的模型，并且不同于传统的训练集类别缺失问题，不需要辅助信息进行训练。
-
-
-
Search Results
4
records
(took 0.013 seconds)
