-
Patent Agency Ranking
公开(公告)号：CN109214360B
公开(公告)日：2021-03-26
申请号：CN201811198926.0
申请日：2018-10-15
Applicant: 北京亮亮视野科技有限公司
IPC: G06K9/00
Abstract: 本发明公开了基于ParaSoftMax损失函数的人脸识别模型的构建方法，包括：根据任务的应用环境选取基础卷积神经网络模型；获取指定数量的标记有人脸身份信息的人脸图像作为训练数据集；根据训练数据集在基础卷积神经网络模型中分类训练时的困难样本特征向量和简单样本特征向量与其分别所属类内的类中心角度差异，获取决策边缘参数；根据所述决策边缘参数，获取ParaSoftMax损失函数；在基础卷积神经网络模型的最后一层设置所述损失函数，形成基于其的人脸识别模型；向该人脸识别模型中输入训练数据集，最小化损失函数迭代训练模型参数，获取最优的人脸识别模型。由上，本申请的人脸识别模型可以提高人脸识别的准确度。
-
公开(公告)号：CN109214360A
公开(公告)日：2019-01-15
申请号：CN201811198926.0
申请日：2018-10-15
Applicant: 北京亮亮视野科技有限公司
IPC: G06K9/00
Abstract: 本发明公开了基于ParaSoftMax损失函数的人脸识别模型的构建方法，包括：根据任务的应用环境选取基础卷积神经网络模型；获取指定数量的标记有人脸身份信息的人脸图像作为训练数据集；根据训练数据集在基础卷积神经网络模型中分类训练时的困难样本特征向量和简单样本特征向量与其分别所属类内的类中心角度差异，获取决策边缘参数；根据所述决策边缘参数，获取ParaSoftMax损失函数；在基础卷积神经网络模型的最后一层设置所述损失函数，形成基于其的人脸识别模型；向该人脸识别模型中输入训练数据集，最小化损失函数迭代训练模型参数，获取最优的人脸识别模型。由上，本申请的人脸识别模型可以提高人脸识别的准确度。
-
公开(公告)号：CN108647668A
公开(公告)日：2018-10-12
申请号：CN201810490357.0
申请日：2018-05-21
Applicant: 北京亮亮视野科技有限公司
Abstract: 本发明公开了一种多尺度轻量级人脸检测模型的构建方法及基于该模型的人脸检测方法，其特征在于，包括：A、基于分离式反走样卷积和通道池化技术，构建轻量化的特征金字塔网络模块，并将所述特征金字塔网络模块接入到轻量级人脸检测卷积神经网络模型中，形成多尺度轻量级人脸检测模型；B、获取指定数量的标记有人脸位置和尺寸的人脸数字图像作为训练数据集，并利用所述训练数据集对所述多尺度轻量级人脸检测模型进行迭代训练，以获取训练后的多尺度轻量级人脸检测模型。由上，本申请能够实现在提升对人脸检测的准确度的同时，还可以有效减少检测模型的规模，以适应资源有限的嵌入式平台的人脸检测任务。
-
公开(公告)号：CN110555793B
公开(公告)日：2023-03-14
申请号：CN201810564402.2
申请日：2018-06-04
Applicant: 北京亮亮视野科技有限公司
Abstract: 本发明提供了一种高效的深度卷积实现方法及包括该方法的视觉处理方法，包括步骤：A、基于卷积输入数据的尺寸对超长指令字矢量处理器的通道数进行划分，确定出每次拷贝到CMX存储单元的最大通道数；B、利用最大通道数，分别将所述卷积输入数据和所述卷积核数据由双倍速率同步动态随机存储器拷贝至所述CMX存储单元；C、将所述卷积输入数据和卷积核数据指针转换为half8*类型，进行卷积计算，计算结果作为卷积输出数据；D、将卷积输出数据拷贝回所述双倍速率同步动态随机存储器。由上，利用CMX存储单元所具有的half8*类型特点，采用8路并行提高深度卷积效率，大大减少了深度卷积在Myriad 2上的计算时间，提升了视觉算法效率。
-
公开(公告)号：CN110555793A
公开(公告)日：2019-12-10
申请号：CN201810564402.2
申请日：2018-06-04
Applicant: 北京亮亮视野科技有限公司
Abstract: 本发明提供了一种高效的深度卷积实现方法及包括该方法的视觉处理方法，包括步骤：A、基于卷积输入数据的尺寸对超长指令字矢量处理器的通道数进行划分，确定出每次拷贝到CMX存储单元的最大通道数；B、利用最大通道数，分别将所述卷积输入数据和所述卷积核数据由双倍速率同步动态随机存储器拷贝至所述CMX存储单元；C、将所述卷积输入数据和卷积核数据指针转换为half8*类型，进行卷积计算，计算结果作为卷积输出数据；D、将卷积输出数据拷贝回所述双倍速率同步动态随机存储器。由上，利用CMX存储单元所具有的half8*类型特点，采用8路并行提高深度卷积效率，大大减少了深度卷积在Myriad 2上的计算时间，提升了视觉算法效率。
-
-
-
-
Search Results
5
records
(took 0.023 seconds)
