检索结果-维普期刊中文期刊服务平台

融合Gamma校正与多任务卷积神经网络的人脸识别被引量：1: 1; 作者林德贵邱富杭余清清《信息技术与信息化》 2023年第11期179-182,共4页; 针对当前基于深度学习的人脸识别算法对一些模糊或较暗图像识别人脸准确率不高的问题,结合Gamma校正算法优点,提出了融合Gamma校正的多任务卷积神经网络(multi-task convolutional neural networks,MTCNN)人脸识别算法(gamma multi-task... 展开更多; 关键词 GAMMA校正图像增强多任务卷积神经网络深度学习人脸识别; 在线阅读下载PDF 职称材料

基于深度卷积判别网络的人脸比对方法: 2; 作者谷凤伟陆军 +1 位作者刘子玄蔡成涛《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第9期1770-1782,共13页; 针对实际应用中人脸比对面临着场景复杂性高、光照、遮挡等问题,为了提高人脸比对准确率,本文提出了一种基于深度卷积判别网络的人脸比对算法MTC-FaceNetSDM。建立了MTC-FaceNetSDM的深度卷积神经网络,在FaceNet网络前端中融合多任务级... 展开更多; 关键词人脸比对深度卷积判别网络多任务级联卷积神经网络相似度判别模块人脸特征向量; 在线阅读下载PDF 职称材料

基于图像识别的带式输送机输煤量和跑偏检测方法被引量：36: 3; 作者韩涛黄友锐 +3 位作者张立志徐善永许家昌鲍士水《工矿自动化》北大核心 2020年第4期17-22,共6页; 传统的卷积神经网络(CNN)是单任务网络,为实现带式输送机输煤量和跑偏的同时检测,使用2个卷积神经网络分别对输煤量和跑偏进行检测,导致网络体积大、参数多、计算量大、运行时间长,严重影响检测性能.为降低网络结构的复杂性,提出了一种... 展开更多; 关键词带式输送机输煤量检测跑偏检测图像识别多任务卷积神经网络; 在线阅读下载PDF 职称材料

基于深度学习的司机疲劳驾驶检测方法研究被引量：20: 4; 作者李小平白超《铁道学报》 EI CAS CSCD 北大核心 2021年第6期78-87,共10页; 针对传统基于机器视觉的司机疲劳检测模型对硬件系统要求较高、检测准确率和效率较低等问题,提出一种基于MTCNN-PFLD-LSTM深度学习模型的疲劳驾驶检测算法。通过多任务卷积神经网络MTCNN进行人脸区域检测;利用PFLD模型检测人脸眼部、嘴... 展开更多; 关键词多任务卷积神经网络MTCNN 长短期记忆人工神经网络LSTM 深度学习疲劳驾驶检测; 在线阅读下载PDF 职称材料

MTCNN的优化及其在道路车辆检测中的应用被引量：4: 5; 作者刘云霄王敬东 +1 位作者黄雨秋赵若辰《光电子技术》 CAS 北大核心 2019年第3期196-204,224,共10页; 采用一种运算速度较快的MTCNN(multi-task cascaded convolutional networks,多任务卷积神经网络)的目标检测方法。针对道路车辆的属性,引入内部级联结构,通过在网络内部添加小型分类器从而更高效处理车辆负样本;引入双流卷积神经网络,... 展开更多; 关键词多任务卷积神经网络车辆检测深度学习; 在线阅读下载PDF 职称材料

一种融合上下文信息特征的改进MTCNN人脸检测算法被引量：8: 6; 作者顾梅花冯婧杨娜《西安工程大学学报》 CAS 2021年第6期114-120,共7页; 在课堂场景下,针对多任务卷积神经网络(multi-task convolutional neural network,MTCNN)人脸检测算法对小人脸检测率较低的问题,提出一种改进的MTCNN算法。首先,对MTCNN算法网络模型的R-Net层网络集成上下文信息卷积模块,扩大特征图感... 展开更多; 关键词上下文信息特征融合多任务卷积神经网络人脸检测课堂场景小人脸; 在线阅读下载PDF 职称材料

复杂光照场景下基于MTCNN的人脸检测被引量：4: 7; 作者薛晨宁志刚《南华大学学报（自然科学版）》 2021年第3期70-74,共5页; 为了提高复杂光照条件下的人脸检测识别率,提出了一种基于Retinex图像增强技术应用于多任务卷积神经网络(multi-task cascaded convolutional networks,MTCNN)的人脸测算法。算法用Retinex理论对图像进行增强,能明显提高MTCNN在不同光... 展开更多; 关键词人脸检测多任务卷积神经网络复杂光照图像增强; 在线阅读下载PDF 职称材料

基于MTCNN算法的单目视觉车距检测方法被引量：4: 8; 作者丁柏群李敬宇《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第5期139-144,共6页; 单目视觉检测系统结构简单、成本低廉、检测方便快捷、实时性好,但检测精度相对多目视觉系统较低,高度依赖计算方法。目前采用单目视觉的车辆测距方法没有充分考虑多尺度车辆导致的误差问题,使其检测精度受到影响。建立一种基于多任务... 展开更多; 关键词交通运输工程单目视觉车辆测距多任务级联卷积神经网络 P4P算法图像识别; 在线阅读下载PDF 职称材料

基于深度学习的复杂环境下交通信号灯检测算法研究被引量：2: 9; 作者李昊孙佳佳《长江信息通信》 2021年第9期37-40,共4页; 近年来,基于深度学习的端到端的特征提取方法的提出,给交通信号灯的检测提供了一个全新的思路。但在小目标检测及识别中还存在巨大挑战,尤其是在交通信号灯检测识别任务中,存在大量因拍摄距离产生的尺寸大小问题。文章从当前交通信号灯... 展开更多; 关键词深度学习图像预警多任务卷积神经网络置信窗口; 在线阅读下载PDF 职称材料

题名融合Gamma校正与多任务卷积神经网络的人脸识别被引量：1: 1; 作者林德贵邱富杭余清清; 机构闽南理工学院信息管理学院; 出处《信息技术与信息化》 2023年第11期179-182,共4页; 基金福建省教育厅资助项目(JAT200752)。; 文摘针对当前基于深度学习的人脸识别算法对一些模糊或较暗图像识别人脸准确率不高的问题,结合Gamma校正算法优点,提出了融合Gamma校正的多任务卷积神经网络(multi-task convolutional neural networks,MTCNN)人脸识别算法(gamma multi-task convolutional neural network,GMTCNN)。首先,利用Gamma校正增加图像像素低的对比度,同时减少图像像素高的部分的对比度;其次,利用MTCNN算法对处理后的图像人脸识别。实验结果表明,GMTCNN算法对有遮挡物的人脸识别率更高,并且能够准确识别一张图的多张人脸。; 关键词 GAMMA校正图像增强多任务卷积神经网络深度学习人脸识别; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于深度卷积判别网络的人脸比对方法: 2; 作者谷凤伟陆军刘子玄蔡成涛; 机构哈尔滨工程大学智能科学与工程学院哈尔滨工程大学船海装备智能化技术与应用教育部重点实验室; 出处《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第9期1770-1782,共13页; 基金国家自然科学基金项目(52171332) 黑龙江省自然科学基金项目(F201123).; 文摘针对实际应用中人脸比对面临着场景复杂性高、光照、遮挡等问题,为了提高人脸比对准确率,本文提出了一种基于深度卷积判别网络的人脸比对算法MTC-FaceNetSDM。建立了MTC-FaceNetSDM的深度卷积神经网络,在FaceNet网络前端中融合多任务级联卷积神经网络得到MTC-FaceNet网络,实现实际场景中的人脸检测提取目标人脸;利用深度卷积神经网络获取高维人脸深度特征,并将FaceNet网络的欧氏距离模块替换为所提出的相似度判别模块SDM,用于高维人脸特征向量比对;最终,利用自制的人脸数据集C-facev1,结合CASIA-WebFace人脸数据集对本文人脸比对算法进行训练,使用人脸数据集LFW和CASIA-FaceV5对训练后的模型进行性能评估。实验结果表明:本文所设计的MTC-FaceNetSDM的人脸比对准确率比MTC-FaceNet整体提高1.48%,对中国人脸比对准确率提高3.80%,可实现多人种的人脸比对,同时该算法具备良好的鲁棒性和泛化能力,达到优良的人脸比对效果,可实际应用于人脸验证系统。; 关键词人脸比对深度卷积判别网络多任务级联卷积神经网络相似度判别模块人脸特征向量; Keywords face matching deep convolution discrimination network multitask cascaded convolutional neural net-work similarity discrimination module face feature vector; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于图像识别的带式输送机输煤量和跑偏检测方法被引量：36: 3; 作者韩涛黄友锐张立志徐善永许家昌鲍士水; 机构安徽理工大学电气与信息工程学院西安外事学院工学院; 出处《工矿自动化》北大核心 2020年第4期17-22,共6页; 基金国家自然科学基金资助项目(61772033) 陕西省教育厅科研计划资助项目(18JK1131)。; 文摘传统的卷积神经网络(CNN)是单任务网络,为实现带式输送机输煤量和跑偏的同时检测,使用2个卷积神经网络分别对输煤量和跑偏进行检测,导致网络体积大、参数多、计算量大、运行时间长,严重影响检测性能.为降低网络结构的复杂性,提出了一种基于多任务卷积神经网络(MT-CNN)的带式输送机输煤量和跑偏检测方法,可使输煤量检测和跑偏检测这2个任务共享同一个网络底层结构和参数.在VGGNet模型的基础上,增大卷积核和池化核的尺度,减少全连接层通道数量,改变输出层结构,构建了MT-CNN;对采集的输送带图像进行灰度化、中值滤波和提取感兴趣区域等预处理后,获取训练数据集和测试数据集,并对MT-CNN进行训练;使用训练好的MT-CNN对输送带图像进行识别分类,实现输煤量和跑偏的准确、快速检测.实验结果表明,训练后的MT-CNN在测试数据集中检测准确率为97.3%,平均处理每张图像的时间约为23.1 ms.通过现场实际运行验证了该方法的有效性.; 关键词带式输送机输煤量检测跑偏检测图像识别多任务卷积神经网络; Keywords belt conveyor coal quantity detection deviation detection image recognition multi-task convolutional neural network; 分类号 TD634.1 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名基于深度学习的司机疲劳驾驶检测方法研究被引量：20: 4; 作者李小平白超; 机构兰州交通大学机电工程学院; 出处《铁道学报》 EI CAS CSCD 北大核心 2021年第6期78-87,共10页; 基金甘肃省科学技术厅“科技助力经济2020”重点专项(SQ2020YFF0403641)。; 文摘针对传统基于机器视觉的司机疲劳检测模型对硬件系统要求较高、检测准确率和效率较低等问题,提出一种基于MTCNN-PFLD-LSTM深度学习模型的疲劳驾驶检测算法。通过多任务卷积神经网络MTCNN进行人脸区域检测;利用PFLD模型检测人脸眼部、嘴部和头部的关键点及空间姿态角;计算出基于时间序列的人脸疲劳特征参数矩阵并输入长短期记忆网络LSTM进行疲劳驾驶检测,通过优化设计不同阶段损失函数及其权重,进一步提高检测能力。在未采用GPU加速的情况下,通过YawDD数据集与自采数据集进行试验并与最新的8种方法进行比较,准确率和检测帧率分别达到99.22%和46,准确率比未采用GPU加速试验中性能第2的模型增加了0.26%,检测帧率比未采用GPU加速试验中性能第2的模型增加了1.3倍。试验结果表明,提出的方法可以提高疲劳检测的准确度和效率,并可在移动设备等低算力设备上应用。; 关键词多任务卷积神经网络MTCNN 长短期记忆人工神经网络LSTM 深度学习疲劳驾驶检测; Keywords multi-task cascaded convolutional networks long short-term memory deep learning fatigue driving detection; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名MTCNN的优化及其在道路车辆检测中的应用被引量：4: 5; 作者刘云霄王敬东黄雨秋赵若辰; 机构南京航空航天大学自动化学院; 出处《光电子技术》 CAS 北大核心 2019年第3期196-204,224,共10页; 基金国家自然科学基金项目(U1531110) 中电科技集团二十八所项目(1003-KFA14384); 文摘采用一种运算速度较快的MTCNN(multi-task cascaded convolutional networks,多任务卷积神经网络)的目标检测方法。针对道路车辆的属性,引入内部级联结构,通过在网络内部添加小型分类器从而更高效处理车辆负样本;引入双流卷积神经网络,联合车脸与车身特征进行训练,提升模型在复杂条件下的适用性。在保证实时性的同时,提高了模型在城市道路、雨天、道路拥堵等复杂场景下对于道路车辆的检测精度;并解决MTCNN对于图像中小目标的检测精度不高以及在整段视频中对于车辆的检测与跟踪不稳定问题。; 关键词多任务卷积神经网络车辆检测深度学习; Keywords multi-task cascaded convolutional networks vehicle detection deep learning; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名一种融合上下文信息特征的改进MTCNN人脸检测算法被引量：8: 6; 作者顾梅花冯婧杨娜; 机构西安工程大学电子信息学院; 出处《西安工程大学学报》 CAS 2021年第6期114-120,共7页; 基金国家自然科学基金青年科学基金项目(61901347) 2020年省级大学生创新创业训练计划项目(S202010709104)。; 文摘在课堂场景下,针对多任务卷积神经网络(multi-task convolutional neural network,MTCNN)人脸检测算法对小人脸检测率较低的问题,提出一种改进的MTCNN算法。首先,对MTCNN算法网络模型的R-Net层网络集成上下文信息卷积模块,扩大特征图感受野获取更多小人脸信息;其次,引入反卷积层与最大池化层,以解决特征融合数据维度不一致问题;最后,对MTCNN算法网络模型的O-Net层网络集成上下文信息卷积模块,进一步提取小人脸特征信息,并引入2个卷积池化层进行特征融合。实验结果表明:与MTCNN算法相比,所提方法在FDDB数据集上检测精度提升3%,在课堂场景数据集上人脸检测召回率与F_(1)分数分别提升8.69%和4.94%。; 关键词上下文信息特征融合多任务卷积神经网络人脸检测课堂场景小人脸; Keywords context feature fusion multi-task convolutional neural network face detection classroom scenes small faces; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名复杂光照场景下基于MTCNN的人脸检测被引量：4: 7; 作者薛晨宁志刚; 机构南华大学电气工程学院; 出处《南华大学学报（自然科学版）》 2021年第3期70-74,共5页; 文摘为了提高复杂光照条件下的人脸检测识别率,提出了一种基于Retinex图像增强技术应用于多任务卷积神经网络(multi-task cascaded convolutional networks,MTCNN)的人脸测算法。算法用Retinex理论对图像进行增强,能明显提高MTCNN在不同光照场景下的人脸检测精度,同时使面部五个关键点的定位更准确。实验证明,在复杂光照场景下,该方法比原始MTCNN网络的人脸检测具有更好的效果,有利于后期的人脸对齐及分类任务。; 关键词人脸检测多任务卷积神经网络复杂光照图像增强; Keywords face detection MTCNN complex lighting image enhancement; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于MTCNN算法的单目视觉车距检测方法被引量：4: 8; 作者丁柏群李敬宇; 机构东北林业大学交通学院; 出处《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第5期139-144,共6页; 基金国家自然科学基金项目(71771047)。; 文摘单目视觉检测系统结构简单、成本低廉、检测方便快捷、实时性好,但检测精度相对多目视觉系统较低,高度依赖计算方法。目前采用单目视觉的车辆测距方法没有充分考虑多尺度车辆导致的误差问题,使其检测精度受到影响。建立一种基于多任务级联卷积神经网络(MTCNN)的车距检测方法,以车辆号牌作为靶标,利用单目摄像头采集前车图像,采用MTCNN算法检测车牌,获取车牌角点坐标,依据P4P原理计算车辆间距。该方法与车型大小、道路起伏无关,仅与车牌图像识别测算质量相关,可以有效减少其它因素导致的误差。试验表明,提出的车辆测距方法通过MTCNN和P4P算法分析计算前车视频图像,实现了较高精度的车距检测,对27 m范围内的车距检测平均误差为2.77%,其中3~27 m的检测平均误差为2.52%,在较大测距范围内具有较高的稳定性。; 关键词交通运输工程单目视觉车辆测距多任务级联卷积神经网络 P4P算法图像识别; Keywords traffic and transportation engineering monocular vision vehicle distance measurement MTCNN P4P algorcithm image recognition; 分类号 U491.6 [交通运输工程—交通运输规划与管理]; 在线阅读下载PDF 职称材料

题名基于深度学习的复杂环境下交通信号灯检测算法研究被引量：2: 9; 作者李昊孙佳佳; 机构郑州轻工业大学; 出处《长江信息通信》 2021年第9期37-40,共4页; 文摘近年来,基于深度学习的端到端的特征提取方法的提出,给交通信号灯的检测提供了一个全新的思路。但在小目标检测及识别中还存在巨大挑战,尤其是在交通信号灯检测识别任务中,存在大量因拍摄距离产生的尺寸大小问题。文章从当前交通信号灯检测与识别的业务场景入手,分析传统目标检测与识别算法中的缺点,对比深度学习相关算法的优点,经研究分析与实验得出上下文信息对交通信号灯检测与识别的重要辅助价值。; 关键词深度学习图像预警多任务卷积神经网络置信窗口; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	融合Gamma校正与多任务卷积神经网络的人脸识别	林德贵邱富杭余清清	《信息技术与信息化》	2023	1	在线阅读下载PDF 职称材料
2	基于深度卷积判别网络的人脸比对方法	谷凤伟陆军刘子玄蔡成涛	《哈尔滨工程大学学报》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
3	基于图像识别的带式输送机输煤量和跑偏检测方法	韩涛黄友锐张立志徐善永许家昌鲍士水	《工矿自动化》北大核心	2020	36	在线阅读下载PDF 职称材料
4	基于深度学习的司机疲劳驾驶检测方法研究	李小平白超	《铁道学报》 EI CAS CSCD 北大核心	2021	20	在线阅读下载PDF 职称材料
5	MTCNN的优化及其在道路车辆检测中的应用	刘云霄王敬东黄雨秋赵若辰	《光电子技术》 CAS 北大核心	2019	4	在线阅读下载PDF 职称材料
6	一种融合上下文信息特征的改进MTCNN人脸检测算法	顾梅花冯婧杨娜	《西安工程大学学报》 CAS	2021	8	在线阅读下载PDF 职称材料
7	复杂光照场景下基于MTCNN的人脸检测	薛晨宁志刚	《南华大学学报（自然科学版）》	2021	4	在线阅读下载PDF 职称材料
8	基于MTCNN算法的单目视觉车距检测方法	丁柏群李敬宇	《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心	2023	4	在线阅读下载PDF 职称材料
9	基于深度学习的复杂环境下交通信号灯检测算法研究	李昊孙佳佳	《长江信息通信》	2021	2	在线阅读下载PDF 职称材料