-
公开(公告)号:CN111783647B
公开(公告)日:2023-11-03
申请号:CN202010615462.X
申请日:2020-06-30
Applicant: 北京百度网讯科技有限公司
IPC: G06V40/16 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本申请公开了人脸融合模型的训练方法、人脸融合方法、装置及设备,涉及深度学习领域。具体实现方案为:获取样本图像,所述样本图像包括用户样本图像和底板样本图像;根据所述用户样本图像和底板样本图像对生成式对抗网络进行训练,得到人脸融合模型,所述人脸融合模型用于将底板图像中的人脸替换为用户图像。由于人脸融合模型是基于生成式对抗网络训练得到的,因此能够提取出图像的深层语义特征信息,并基于深层语义特征信息进行人脸融合,从而得到很好的人脸融合效果。
-
公开(公告)号:CN111523596B
公开(公告)日:2023-07-04
申请号:CN202010327799.0
申请日:2020-04-23
Applicant: 北京百度网讯科技有限公司
IPC: G06V10/774 , G06V10/762 , G06V40/16 , G06N3/0464 , G06V10/82 , G06N3/08
Abstract: 本申请实施例公开了目标识别模型训练方法、装置、设备以及存储介质,涉及人工智能技术领域。该方法的一具体实施方式包括:获取训练样本集,其中,训练样本集中的训练样本是已标注目标样本图像;构建不同的第一深度卷积神经网络和第二深度卷积神经网络;利用第一深度卷积神经网络和第二深度卷积神经网络分别对训练样本集进行正负样本采样,得到正样本集和负样本集;基于正样本集和负样本集对第一深度卷积神经网络和第二深度卷积神经网络进行交叉训练,得到目标识别模型。该实施方式提供了一种基于正负学习的弱监督目标识别技术,能够充分利用错误标注样本进行弱监督学习,增加了模型的鲁棒性。
-
公开(公告)号:CN111914628B
公开(公告)日:2023-06-20
申请号:CN202010564107.4
申请日:2020-06-19
Applicant: 北京百度网讯科技有限公司
IPC: G06V10/774 , G06V40/16
Abstract: 本申请公开了一种人脸识别模型的训练方法和装置,涉及人工智能、深度学习及计算机视觉技术领域,具体涉及人脸识别技术领域。具体实现方案为:获取第一训练图像,第一训练图像为未遮挡人脸图像,并获取多个遮挡物图像后,将多个遮挡物图像分别融合至未遮挡人脸图像,以生成多个第二训练图像,将第一训练图像和第二训练图像输入人脸识别模型,以对人脸识别模型进行训练。由此,采用未遮挡人脸图像和融合得到的多个第二训练图像对人脸识别模型进行训练,使得训练后的人脸识别模型能够同时准确识别出未遮挡人脸图像和遮挡人脸图像,解决了现有的人脸识别模型对存在遮挡物的人脸图像识别时精确率较低,甚至无法识别存在遮挡物的人脸图像的技术问题。
-
公开(公告)号:CN111914628A
公开(公告)日:2020-11-10
申请号:CN202010564107.4
申请日:2020-06-19
Applicant: 北京百度网讯科技有限公司
Abstract: 本申请公开了一种人脸识别模型的训练方法和装置,涉及人工智能、深度学习及计算机视觉技术领域,具体涉及人脸识别技术领域。具体实现方案为:获取第一训练图像,第一训练图像为未遮挡人脸图像,并获取多个遮挡物图像后,将多个遮挡物图像分别融合至未遮挡人脸图像,以生成多个第二训练图像,将第一训练图像和第二训练图像输入人脸识别模型,以对人脸识别模型进行训练。由此,采用未遮挡人脸图像和融合得到的多个第二训练图像对人脸识别模型进行训练,使得训练后的人脸识别模型能够同时准确识别出未遮挡人脸图像和遮挡人脸图像,解决了现有的人脸识别模型对存在遮挡物的人脸图像识别时精确率较低,甚至无法识别存在遮挡物的人脸图像的技术问题。
-
公开(公告)号:CN111626119A
公开(公告)日:2020-09-04
申请号:CN202010328703.2
申请日:2020-04-23
Applicant: 北京百度网讯科技有限公司
Abstract: 本申请实施例公开了目标识别模型训练方法、装置、设备以及存储介质,涉及人工智能技术领域。该方法的一具体实施方式包括:获取训练样本集,其中,训练样本集中的训练样本包括样本目标图像和样本目标特征;基于训练样本集中的训练样本之间的样本目标特征关系,构建有符号邻接矩阵;构建深度模型,以及基于有符号邻接矩阵构建图卷积神经网络;利用训练样本集对深度模型和图卷积神经网络进行有监督训练,得到目标识别模型。该实施方式提供了一种基于图卷积的目标识别技术,利用图卷积方法对特征空间进行优化,能够更有效地使类间距离增大而类内距离减小,从而显著提升了目标识别模型的性能。
-
公开(公告)号:CN111488972B
公开(公告)日:2023-08-08
申请号:CN202010274239.3
申请日:2020-04-09
Applicant: 北京百度网讯科技有限公司
IPC: G06N3/096 , G06N3/044 , G06V10/82 , G06V10/774 , G06V40/16
Abstract: 本申请公开了一种数据迁移方法、装置、电子设备以及存储介质,涉及数据迁移领域。具体实现方案为:数据迁移方法包括:获取预定义训练样本的参考特征分布;采用迁移样本生成模型生成候选训练样本,获取候选训练样本的候选特征分布;计算候选特征分布和参考特征分布之间的相似度,利用相似度更新迁移样本生成模型;在满足预设条件的情况下,利用更新后的迁移样本生成模型生成最终训练样本,将最终训练样本作为迁移数据。本申请实施例提高了搜索迁移数据的速度和效率,提高了迁移效果。
-
公开(公告)号:CN112017141A
公开(公告)日:2020-12-01
申请号:CN202010963670.9
申请日:2020-09-14
Applicant: 北京百度网讯科技有限公司
IPC: G06T5/50
Abstract: 本申请公开了视频数据处理方法和装置,涉及计算机视觉和深度学习技术领域。具体实施方式包括:获取对第一人物的动态形象拍摄的视频,作为动态模板视频;利用目标图像中的第二人物的目标人脸,更换预设人物视频中的人脸,得到含目标视频,其中,含目标视频所包含人脸的属性形象为目标人脸的属性形象,含目标视频所包含人脸的动态形象为预设人物视频所包含的人脸的动态形象;以含目标视频中的头像,更换动态模板视频中的头像,得到头像更换视频。本申请可以利用将图像中人脸的属性,添加到可以构建虚拟形象的视频中,从而实现可以驱动包括该图像中人脸的属性的虚拟形象。此外,通过动态模板视频,有助于给虚拟形象添加丰富的动态形象。
-
公开(公告)号:CN111860167A
公开(公告)日:2020-10-30
申请号:CN202010560733.6
申请日:2020-06-18
Applicant: 北京百度网讯科技有限公司
Abstract: 本申请公开了人脸融合模型获取及人脸融合方法、装置及存储介质,涉及人工智能、深度学习及计算机视觉领域,其中的方法可包括:获取训练样本,训练样本中包括:目标人脸图像以及模板人脸图像;利用训练样本,训练得到用于对输入的目标人脸图像和模板人脸图像进行人脸融合的人脸融合模型,包括:获取目标人脸图像中的目标人脸的属性信息;对目标人脸图像及模板人脸图像进行人脸融合,得到融合人脸;获取融合人脸的属性信息;根据目标人脸的属性信息及融合人脸的属性信息构建属性一致性损失函数,利用属性一致性损失函数进行人脸融合模型的自监督学习。本申请所述方案可以用于云服务,可提升人脸融合效果并具有广泛适用性等。
-
公开(公告)号:CN111783647A
公开(公告)日:2020-10-16
申请号:CN202010615462.X
申请日:2020-06-30
Applicant: 北京百度网讯科技有限公司
Abstract: 本申请公开了人脸融合模型的训练方法、人脸融合方法、装置及设备,涉及深度学习领域。具体实现方案为:获取样本图像,所述样本图像包括用户样本图像和底板样本图像;根据所述用户样本图像和底板样本图像对生成式对抗网络进行训练,得到人脸融合模型,所述人脸融合模型用于将底板图像中的人脸替换为用户图像。由于人脸融合模型是基于生成式对抗网络训练得到的,因此能够提取出图像的深层语义特征信息,并基于深层语义特征信息进行人脸融合,从而得到很好的人脸融合效果。
-
公开(公告)号:CN112017141B
公开(公告)日:2024-06-04
申请号:CN202010963670.9
申请日:2020-09-14
Applicant: 北京百度网讯科技有限公司
IPC: G06T5/50
Abstract: 本申请公开了视频数据处理方法和装置,涉及计算机视觉和深度学习技术领域。具体实施方式包括:获取对第一人物的动态形象拍摄的视频,作为动态模板视频;利用目标图像中的第二人物的目标人脸,更换预设人物视频中的人脸,得到含目标视频,其中,含目标视频所包含人脸的属性形象为目标人脸的属性形象,含目标视频所包含人脸的动态形象为预设人物视频所包含的人脸的动态形象;以含目标视频中的头像,更换动态模板视频中的头像,得到头像更换视频。本申请可以利用将图像中人脸的属性,添加到可以构建虚拟形象的视频中,从而实现可以驱动包括该图像中人脸的属性的虚拟形象。此外,通过动态模板视频,有助于给虚拟形象添加丰富的动态形象。
-
-
-
-
-
-
-
-
-