-
公开(公告)号：CN116453201B
公开(公告)日：2023-09-01
申请号：CN202310723062.4
申请日：2023-06-19
申请人： 南昌大学 , 泰豪软件股份有限公司
IPC分类号： G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于相邻边缘损失的人脸识别方法及系统，该方法包括：采集历史数据集，对所述历史数据集中可能与基准数据集重叠的人脸图像进行剔除以确定人脸识别模型数据集；利用预设工具搭建预设神经网络模型，并将所述人脸识别模型数据集输入至所述预设神经网络模型当中进行训练以得到人脸识别模型；获取当前的人脸图像，并将所述当前的人脸图像输入至所述人脸识别模型当中，以确定所述人脸图像的人脸信息；其中，所述预设神经网络模型的损失函数为Softmax损失函数与边缘损失结合的损失函数。本发明解决了现有技术中在进行人脸识别时精度低的问题。
-
公开(公告)号：CN116453201A
公开(公告)日：2023-07-18
申请号：CN202310723062.4
申请日：2023-06-19
申请人： 南昌大学 , 泰豪软件股份有限公司
IPC分类号： G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于相邻边缘损失的人脸识别方法及系统，该方法包括：采集历史数据集，对所述历史数据集中可能与基准数据集重叠的人脸图像进行剔除以确定人脸识别模型数据集；利用预设工具搭建预设神经网络模型，并将所述人脸识别模型数据集输入至所述预设神经网络模型当中进行训练以得到人脸识别模型；获取当前的人脸图像，并将所述当前的人脸图像输入至所述人脸识别模型当中，以确定所述人脸图像的人脸信息；其中，所述预设神经网络模型的损失函数为Softmax损失函数与边缘损失结合的损失函数。本发明解决了现有技术中在进行人脸识别时精度低的问题。
-
公开(公告)号：CN116453169A
公开(公告)日：2023-07-18
申请号：CN202310723064.3
申请日：2023-06-19
申请人： 南昌大学 , 泰豪软件股份有限公司
摘要： 本发明提供了一种指节纹识别方法及系统，涉及生物特征识别技术领域，该指节纹识别方法包括：采集指节纹图像，从所述指节纹图像中提取ROI子图像；将所述ROI子图像进行归一化处理为有效图像；基于所述有效图像构建指节纹模型；基于所述有效图像对所述指节纹模型进行均值特征训练构建均值函数，提取均值特征；基于所述有效图像对所述指节纹模型进行方向特征训练构建方向函数，提取主方向特征；将所述均值特征和所述主方向特征进行融合，得到融合特征；将所述融合特征与数据库中的对照特征进行对比，以进行身份认证，本发明能够解决现有技术中深度褶皱提取不完整，识别精度低的技术问题。
-
公开(公告)号：CN116110092A
公开(公告)日：2023-05-12
申请号：CN202211437311.5
申请日：2022-11-16
申请人： 南昌大学
IPC分类号： G06V40/16 , G06V10/46 , G06V10/774 , G06V10/80
摘要： 本发明是一种基于选择性多描述子融合的人脸鉴别方法，属于计算机视觉领域。该发明首先将多个特征描述子融合，从而形成了超高维融合描述子特征，这一方式消除了单一特征带来的不可靠性。再此基础上，使用一种新的优化方法，称为基于判别能力的多描述子选择方法。该优化方法旨在从整个描述子集中找到特定数量的描述子，同时最大化鉴别能力。我们使用该优化方法对融合形成的超高维融合描述子特征进行挑选，从而形成一个新的人脸鉴别方法。这个新的人脸鉴别方法具有更低的特征维度，但却有与超高维融合描述子特征相近的性能。
-
公开(公告)号：CN115830673A
公开(公告)日：2023-03-21
申请号：CN202211461807.6
申请日：2022-11-16
申请人： 南昌大学
IPC分类号： G06V40/16 , G06V10/774
摘要： 本发明公开了一种基于最小间隔损失函数的深度人脸识别方法，包括以下步骤：S1、准备数据集，数据集中不包含可能与基准数据集重叠的人脸图像；S2、利用Tensorflow框架搭建基于Inception‑ResNet‑v1模型的网络模型；S3、将数据集中的训练集的图片输入至网络模型中进行训练；S4、将数据集中测试集的图片输入训练好的网络模型中，识别人脸图像。本发明结合了Softmax损失函数、中心(Center Loss)损失函数和最小间隔(Minimum Margin Loss)损失函数的优势，其中中心损失用于增强类内紧凑度，Softmax损失和最小间隔损失用于改善类间分离度。实验结果表明，所提出的最小间隔损失使人脸识别的技术性能达到了新的高度，减少了间隔偏好带来的负面影响。
-
公开(公告)号：CN115761851A
公开(公告)日：2023-03-07
申请号：CN202211442334.5
申请日：2022-11-16
申请人： 南昌大学
IPC分类号： G06V40/16 , G06V10/764 , G06V10/82 , G06N3/047 , G06N3/0985
摘要： 本发明提出一种基于全局信息的余弦最优损失函数的优化方法，包括：S1.将现有损失函数的优点与一些重要的新属性相结合，应用L2权重归一化；S2.明确遵循最小化类内变化和最大化类间变化两个目标，依靠一种新的算法来学习类中心和类边缘的余弦相似度，并分别提出两个轻量化版本的余弦最优损失函数；S3.整合上述两个轻量化版本来创建余弦最优损失函数的标准版本。本发明主要针对现有损失函数没有应用权重和特征归一化或未明确遵循最小化类内变化和最大化类间变化的问题，使用全局信息作为人脸识别的反馈，提出了一种基于全局信息的余弦最优损失函数，相比于现有的损失函数，该损失函数更加有效并实现了更先进的性能。
-
公开(公告)号：CN219796630U
公开(公告)日：2023-10-03
申请号：CN202320440050.6
申请日：2023-03-09
申请人： 南昌大学
IPC分类号： F16M11/04 , F16M11/08 , F16M11/18 , F16M13/02 , H04N23/695
摘要： 本实用新型涉及一种人工智能监控设备，包括监控设备主体、安装框和框体，所述监控设备主体的顶部中心处连接设有连接座，所述连接座的顶部嵌入设置有连接杆，所述连接杆的顶端滑动穿过框体的底部并与框体的顶部内壁转动连接，所述连接杆位于框体内侧部分外周面连接设有蜗轮，所述框体的一侧外壁连接设有电机一，所述电机一的轴端穿过框体的侧壁，所述电机一轴端连接设有与蜗轮相配合的蜗杆。本实用新型与现有技术相比优点在于：不需要拆除原位置的监控设备，省时省力；不需要工作人员爬至高处工作，使作业更省力也确保工作人员的安全。监控设备主体安装结构简单，方便对其进行安装和拆卸。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.044 秒)
