-
公开(公告)号：CN113052239B
公开(公告)日：2022-08-02
申请号：CN202110320168.0
申请日：2021-03-25
Applicant: 山东大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于梯度方向参数优化的神经网络的图像分类方法及系统，获取图像数据集，对图像数据集中的每一幅图像进行预处理；构建卷积神经网络，设置卷积神经网络的超参数和损失函数；将预处理后的图像和已知图像分类标签，作为卷积神经网络的输入值，开始对卷积神经网络进行训练；根据卷积神经网络的输出与图像标签，计算损失函数，然后进行误差反向传播；在误差反向传播的过程中，采用梯度方向参数优化的方式，实现卷积神经网络训练过程中参数的更新，满足结束条件后，结束迭代训练，得到训练好的卷积神经网络；基于训练好的卷积神经网络，对待分类图像进行分类，得到待分类图像的分类标签。本申请具有图像分类速度快，稳定性强的优点。
-
公开(公告)号：CN113723165A
公开(公告)日：2021-11-30
申请号：CN202110319441.8
申请日：2021-03-25
Applicant: 山东大学
Abstract: 本发明公开了基于深度学习的待检测人员危险表情检测方法及系统，获取待检测人员视频；对待检测人员视频中的图像，进行人脸检测；捕获含有可识别人脸的单帧图像，得到待检测的人脸图像；对待检测人员视频中的单帧图像，进行人体关键点检测；将待检测的人脸图像进行人脸特征向量提取，得到人脸特征向量；将人脸特征向量和人脸关键点进行特征融合，并将融合后的特征输入到训练后的分类器中，输出表情初步分类结果；判断肢体关键点是否超过设定区域，如果超过，则得出危险肢体结果；结合肢体检测结果，对表情初步分类结果进行修正，得到单帧图像最终表情分类结果；本发明具有检测精度高、检测速度快和避免误判的优点。
-
公开(公告)号：CN113052239A
公开(公告)日：2021-06-29
申请号：CN202110320168.0
申请日：2021-03-25
Applicant: 山东大学
Abstract: 本发明公开了基于梯度方向参数优化的神经网络的图像分类方法及系统，获取图像数据集，对图像数据集中的每一幅图像进行预处理；构建卷积神经网络，设置卷积神经网络的超参数和损失函数；将预处理后的图像和已知图像分类标签，作为卷积神经网络的输入值，开始对卷积神经网络进行训练；根据卷积神经网络的输出与图像标签，计算损失函数，然后进行误差反向传播；在误差反向传播的过程中，采用梯度方向参数优化的方式，实现卷积神经网络训练过程中参数的更新，满足结束条件后，结束迭代训练，得到训练好的卷积神经网络；基于训练好的卷积神经网络，对待分类图像进行分类，得到待分类图像的分类标签。本申请具有图像分类速度快，稳定性强的优点。
-
公开(公告)号：CN113723165B
公开(公告)日：2022-06-07
申请号：CN202110319441.8
申请日：2021-03-25
Applicant: 山东大学
IPC: G06V40/16 , G06V40/10 , G06V10/44 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/10
Abstract: 本发明公开了基于深度学习的待检测人员危险表情检测方法及系统，获取待检测人员视频；对待检测人员视频中的图像，进行人脸检测；捕获含有可识别人脸的单帧图像，得到待检测的人脸图像；对待检测人员视频中的单帧图像，进行人体关键点检测；将待检测的人脸图像进行人脸特征向量提取，得到人脸特征向量；将人脸特征向量和人脸关键点进行特征融合，并将融合后的特征输入到训练后的分类器中，输出表情初步分类结果；判断肢体关键点是否超过设定区域，如果超过，则得出危险肢体结果；结合肢体检测结果，对表情初步分类结果进行修正，得到单帧图像最终表情分类结果；本发明具有检测精度高、检测速度快和避免误判的优点。
