-
公开(公告)号：CN108389172B
公开(公告)日：2020-12-18
申请号：CN201810233913.6
申请日：2018-03-21
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：预先训练用于生成图像质量信息的神经网络，并将目标深度图像输入至预先训练的神经网络，生成目标深度图像的图像质量信息，其中，预先训练的神经网络是基于样本深度图像和用于表征样本深度图像的图像质量的标注信息作为训练样本得到的。该实施方式实现了自动生成深度图像的图像质量信息。
-
公开(公告)号：CN108510466A
公开(公告)日：2018-09-07
申请号：CN201810257451.1
申请日：2018-03-27
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本申请实施例公开了用于验证人脸的方法和装置。该方法的一具体实施方式包括：获取第一人脸图像和第二人脸图像，其中，第一人脸图像是采用第一相机类型的相机拍摄人脸所得到的图像，第二人脸图像是采用第二相机类型的相机拍摄人脸所得到的图像；将第一人脸图像和第二人脸图像分别输入预先训练的特征提取模型，得到第一特征向量和第二特征向量，其中，特征提取模型用于提取图像特征；融合第一特征向量和第二特征向量，得到融合特征向量；将融合特征向量输入预先训练的全连接层，得到与第一人脸图像和第二人脸图像对应的人脸验证结果。该实施方式实现了对两种不同类型的相机采集的人脸图像进行人脸验证。
-
公开(公告)号：CN107679466A
公开(公告)日：2018-02-09
申请号：CN201710859525.4
申请日：2017-09-21
Applicant: 百度在线网络技术(北京)有限公司
Inventor： 刘文献
CPC classification number: G06K9/00288 , G06K9/342 , G06K9/6215
Abstract: 本申请实施例公开了信息输出方法和装置。该方法的一具体实施方式包括：获取第一图像和第二图像，其中，第一图像包括第一人脸图像区域，第二图像包括第二人脸图像区域；生成第一图像的图像矩阵和第二图像的图像矩阵；分别将第一图像的图像矩阵和第二图像的图像矩阵输入至预先训练的卷积神经网络，得到第一图像的特征向量和第二图像的特征向量，其中，卷积神经网络用于表征图像矩阵与特征向量之间的对应关系；计算第一图像的特征向量和第二图像的特征向量之间的距离；基于所计算的距离，输出第一人脸图像区域所属的对象和第二人脸图像区域所属的对象之间的对象关系信息。该实施方式提高了信息输出效率。
-
公开(公告)号：CN107679466B
公开(公告)日：2021-06-15
申请号：CN201710859525.4
申请日：2017-09-21
Applicant: 百度在线网络技术(北京)有限公司
Inventor： 刘文献
Abstract: 本申请实施例公开了信息输出方法和装置。该方法的一具体实施方式包括：获取第一图像和第二图像，其中，第一图像包括第一人脸图像区域，第二图像包括第二人脸图像区域；生成第一图像的图像矩阵和第二图像的图像矩阵；分别将第一图像的图像矩阵和第二图像的图像矩阵输入至预先训练的卷积神经网络，得到第一图像的特征向量和第二图像的特征向量，其中，卷积神经网络用于表征图像矩阵与特征向量之间的对应关系；计算第一图像的特征向量和第二图像的特征向量之间的距离；基于所计算的距离，输出第一人脸图像区域所属的对象和第二人脸图像区域所属的对象之间的对象关系信息。该实施方式提高了信息输出效率。
-
公开(公告)号：CN108416323A
公开(公告)日：2018-08-17
申请号：CN201810257454.5
申请日：2018-03-27
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本申请实施例公开了用于识别人脸的方法和装置。该方法的一具体实施方式包括：获取第一人脸图像和第二人脸图像，其中，第一人脸图像和第二人脸图像分别是采用第一相机类型的相机和第二相机类型的相机拍摄待识别人脸所得到的图像；将第一人脸图像和第二人脸图像分别输入预先训练的特征提取模型，得到第一特征向量和第二特征向量，其中，特征提取模型用于提取图像特征；融合第一特征向量和第二特征向量，得到融合特征向量；根据融合特征向量与预设人脸特征库中各特征向量之间的距离，确定与待识别人脸对应的用户标识，其中，人脸特征库用于表征特征向量与用户标识之间的对应关系。该实施方式实现了提高了人脸识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN107622282A
公开(公告)日：2018-01-23
申请号：CN201710860024.8
申请日：2017-09-21
Applicant: 百度在线网络技术(北京)有限公司
Inventor： 刘文献
Abstract: 本申请实施例公开了图像校验方法和装置。该方法的一具体实施方式包括：获取第一图像和第二图像，其中，第一图像包括第一人脸图像区域，第二图像包括第二人脸图像区域；生成第一图像的第一图像矩阵和第二图像的第二图像矩阵；分别将第一图像矩阵和第二图像矩阵输入至预先训练的多层卷积神经网络，得到第一图像的高层特征向量和第二图像的高层特征向量，其中，多层卷积神经网络用于表征图像矩阵与高层特征向量之间的对应关系；计算第一图像的高层特征向量和第二图像的高层特征向量之间的距离；基于所计算的结果，校验第一人脸图像区域和第二人脸图像区域是否属于同一个对象。该实施方式提高了图像校验效率。
-
公开(公告)号：CN107609645B
公开(公告)日：2024-04-02
申请号：CN201710859122.X
申请日：2017-09-21
Applicant: 百度在线网络技术(北京)有限公司
Inventor： 刘文献
IPC: G06N3/08 , G06N3/0464 , G06N3/0499
Abstract: 本申请实施例公开了用于训练卷积神经网络的方法和装置。该方法的一具体实施方式包括：对于初始化卷积神经网络的各层中的每层，利用至少一块显卡存储该层的输入信息集合；计算至少一块显卡中的每块显卡所存储的至少部分该层的输入信息集合的均值和方差；将至少一块显卡中的每块显卡所存储的至少部分该层的输入信息集合的均值和方差发送至其他显卡，以计算该层的输入信息集合的均值和方差；利用该层的输入信息集合的均值和方差对该层的输入信息集合进行归一化处理，得到该层的归一化的输入信息集合；利用各层的归一化的输入信息集合对初始化卷积神经网络进行训练，得到训练完成的卷积神经网络。该实施方式提高了卷积神经网络的稳定性。
-
公开(公告)号：CN107679451A
公开(公告)日：2018-02-09
申请号：CN201710744277.9
申请日：2017-08-25
Applicant: 百度在线网络技术(北京)有限公司
CPC classification number: G06K9/00268 , G06K9/00288 , G06K9/6256 , G06N3/0454
Abstract: 本发明提供了一种建立人脸识别模型的方法、装置、设备和计算机存储介质，其中方法包括：将已知用户的标注了年龄的人脸图像作为训练样本；利用所述训练样本，训练深度神经网络，得到人脸识别模型，所述人脸识别模型用于对输入的人脸图像进行用户识别。本发明能够解决因年龄变化而引起的人脸识别率下降的问题，提高人脸识别对年龄的鲁棒性。
-
公开(公告)号：CN107507153A
公开(公告)日：2017-12-22
申请号：CN201710859689.7
申请日：2017-09-21
Applicant: 百度在线网络技术(北京)有限公司
Inventor： 刘文献
Abstract: 本申请公开了图像去噪方法和装置。该方法的一具体实施方式包括：获取原始图像，其中，原始图像包含噪声；生成原始图像的图像矩阵；将原始图像的图像矩阵输入至预先训练的卷积神经网络，得到原始图像的特征向量，其中，卷积神经网络用于表征图像矩阵与特征向量的对应关系；执行以下去噪步骤：将原始图像的特征向量输入至反卷积神经网络，得到处理后图像矩阵，其中，反卷积神经网络用于将特征向量处理为图像矩阵；确定处理后图像矩阵是否满足预设条件，若满足预设条件，则将处理后图像矩阵作为去噪后图像矩阵。该实施方式实现了去除图像中的噪声。
-
公开(公告)号：CN107609481B
公开(公告)日：2020-11-20
申请号：CN201710691048.5
申请日：2017-08-14
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提供了一种为人脸识别生成训练数据的方法、装置和计算机存储介质，其中方法包括：将未戴配件的人脸图像输入生成式网络，得到戴配件的人脸图像；将所述戴配件的人脸图像用于建立人脸识别模型的第二训练数据；其中所述生成式网络为利用第一训练数据预先训练得到的对抗生成式网络中的生成式网络，所述第一训练数据包括同一用户标识对应的未戴配件人脸图像和戴配件人脸图像。本发明通过数据增广方式得到的戴配件的人脸图像大大扩充了建立人脸识别模型的训练数据数量，从而提高了戴配件的人脸图像的识别准确性。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.034 seconds)
