公开(公告)号：CN110929558A

公开(公告)日：2020-03-27

申请号：CN201910950347.5

申请日：2019-10-08

Applicant: 杭州电子科技大学

Inventor： 颜成钢 ,  黄智坤 ,  王文铅 ,  高宇涵 ,  孙垚棋 ,  张继勇 ,  张勇东

IPC: G06K9/00

Abstract: 本发明公开了一种基于深度学习的行人重识别方法。本发明对输入到孪生神经网络中的一对数据提取特征的同时，在每一步降维或卷积操作之后计算两个输入数据之间的欧氏距离，由此获得一个欧式距离矩阵；利用该欧式距离矩阵设计一个损失函数，使用图像对或高维特征图像对计算出来的欧式距离，对最终使用特征序列对计算出的欧式距离进行优化，通过网络的梯度回传，优化参数，加速网络的训练。本发明充分利用原本原图像中的行人信息，使用完整的图像信息来优化模糊的图像特征，进一步优化网络参数，使得神经网络之间的参数更容易拟合，加快网络训练速度。

公开(公告)号：CN110929558B

公开(公告)日：2022-10-18

申请号：CN201910950347.5

申请日：2019-10-08

Applicant: 杭州电子科技大学

Inventor： 颜成钢 ,  黄智坤 ,  王文铅 ,  高宇涵 ,  孙垚棋 ,  张继勇 ,  张勇东

IPC: G06V40/10 ,  G06V20/40 ,  G06V10/762 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的行人重识别方法。本发明对输入到孪生神经网络中的一对数据提取特征的同时，在每一步降维或卷积操作之后计算两个输入数据之间的欧氏距离，由此获得一个欧式距离矩阵；利用该欧式距离矩阵设计一个损失函数，使用图像对或高维特征图像对计算出来的欧式距离，对最终使用特征序列对计算出的欧式距离进行优化，通过网络的梯度回传，优化参数，加速网络的训练。本发明充分利用原本原图像中的行人信息，使用完整的图像信息来优化模糊的图像特征，进一步优化网络参数，使得神经网络之间的参数更容易拟合，加快网络训练速度。

公开(公告)号：CN111612687A

公开(公告)日：2020-09-01

申请号：CN202010321808.5

申请日：2020-04-22

Applicant: 杭州电子科技大学

Inventor： 颜成钢 ,  黄智坤 ,  王文铅 ,  陈安琪 ,  孙垚棋 ,  张继勇 ,  张勇东

IPC: G06T3/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种人脸图像自动上妆方法。本发明方法首先将获取的人脸图像数据集分为目标图像集和参考图像集；然后采用图像分割技术，对目标图像进行分割，得到目标图像的分割图，再通过分割图为目标图像集中的每一张人脸做好定制掩膜；然后将目标图像集和参考图像集以及目标图像集的掩膜分别输入到人脸图像自动上妆网络中训练网络模型，计算人脸图像自动上妆网络的损失函数，最后使用测试集测试训练好的人脸图像自动上妆网络模型。本发明为每张目标图像定制的掩膜，对神经网络进行了约束，避免图像中不需要化妆的区域发生改变，确保了生成图像的真实性。

公开(公告)号：CN111612687B

公开(公告)日：2023-04-18

申请号：CN202010321808.5

申请日：2020-04-22

Applicant: 杭州电子科技大学

Inventor： 颜成钢 ,  黄智坤 ,  王文铅 ,  陈安琪 ,  孙垚棋 ,  张继勇 ,  张勇东

IPC: G06T3/00 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/08

Abstract: 本发明提供一种人脸图像自动上妆方法。本发明方法首先将获取的人脸图像数据集分为目标图像集和参考图像集；然后采用图像分割技术，对目标图像进行分割，得到目标图像的分割图，再通过分割图为目标图像集中的每一张人脸做好定制掩膜；然后将目标图像集和参考图像集以及目标图像集的掩膜分别输入到人脸图像自动上妆网络中训练网络模型，计算人脸图像自动上妆网络的损失函数，最后使用测试集测试训练好的人脸图像自动上妆网络模型。本发明为每张目标图像定制的掩膜，对神经网络进行了约束，避免图像中不需要化妆的区域发生改变，确保了生成图像的真实性。