-
公开(公告)号：CN109308725B
公开(公告)日：2020-09-22
申请号：CN201810998168.4
申请日：2018-08-29
Applicant: 华南理工大学
Abstract: 本发明属于人工智能与互联网技术领域，为移动端表情趣图生成的系统，包括移动端和服务器端；移动端包括数据采集获取单元、控制单元、显示单元和数据请求单元，保存单元、分享单元分别与显示单元连接，数据采集获取单元、显示单元、数据请求单元分别与控制单元连接；服务器端采用基于生成对抗网络的方法构造深度卷积神经网络模型；控制单元通过数据请求单元对深度神经网络模型进行先验的条件控制，使其将数据请求单元输入的原图进行相应控制单元所需要图片的生成，生成完成之后通过数据请求单元返回显示单元。本发明能学习出面部表情特征以生成不同情绪、不同发色、不同年龄的人脸表情，转换性能好、速率快，满足人们猎奇和趣味恶搞的心理需求。
-
公开(公告)号：CN109190458B
公开(公告)日：2022-03-25
申请号：CN201810800214.5
申请日：2018-07-20
Applicant: 华南理工大学
IPC: G06V40/10 , G06V20/00 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的小人头检测方法，包括下述步骤：(1)采集大量图像形成训练集和测试集；(2)对训练集和测试集进行精准贴边的人头标注；(3)利用R‑FCN框架，构造深度卷积神经网络，然后利用训练集图像并采用批量训练的随机梯度下降法对所构造的深度神经网络进行训练；(4)基于视觉透视变换对测试图像进行切割再部分放大；(5)将切割并放大后的测试图像，输入步骤(3)所构造的深度卷积神经网络，神经网络输出结果通过Softmax激活函数得到每个预测框的概率分布，计算最小损失函数，根据最小损失函数输出检测结果。本发明通过深度学习算法从图片样本中自动学习出人头与其它背景的不同特征，能够智能的对密集的小人头进行检测。
-
公开(公告)号：CN109308725A
公开(公告)日：2019-02-05
申请号：CN201810998168.4
申请日：2018-08-29
Applicant: 华南理工大学
Abstract: 本发明属于人工智能与互联网技术领域，为移动端表情趣图生成的系统，包括移动端和服务器端；移动端包括数据采集获取单元、控制单元、显示单元和数据请求单元，保存单元、分享单元分别与显示单元连接，数据采集获取单元、显示单元、数据请求单元分别与控制单元连接；服务器端采用基于生成对抗网络的方法构造深度卷积神经网络模型；控制单元通过数据请求单元对深度神经网络模型进行先验的条件控制，使其将数据请求单元输入的原图进行相应控制单元所需要图片的生成，生成完成之后通过数据请求单元返回显示单元。本发明能学习出面部表情特征以生成不同情绪、不同发色、不同年龄的人脸表情，转换性能好、速率快，满足人们猎奇和趣味恶搞的心理需求。
-
公开(公告)号：CN109190458A
公开(公告)日：2019-01-11
申请号：CN201810800214.5
申请日：2018-07-20
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度学习的小人头检测方法，包括下述步骤：(1)采集大量图像形成训练集和测试集；(2)对训练集和测试集进行精准贴边的人头标注；(3)利用R-FCN框架，构造深度卷积神经网络，然后利用训练集图像并采用批量训练的随机梯度下降法对所构造的深度神经网络进行训练；(4)基于视觉透视变换对测试图像进行切割再部分放大；(5)将切割并放大后的测试图像，输入步骤(3)所构造的深度卷积神经网络，神经网络输出结果通过Softmax激活函数得到每个预测框的概率分布，计算最小损失函数，根据最小损失函数输出检测结果。本发明通过深度学习算法从图片样本中自动学习出人头与其它背景的不同特征，能够智能的对密集的小人头进行检测。
-
-
-
Search Results
4
records
(took 0.017 seconds)
