-
题名基于多姿态特征融合生成对抗网络的人脸校正方法
被引量：3
- 1
-
-
作者
林乐平
李三凤
欧阳宁
-
机构
认知无线电与信息处理省部共建教育部重点实验室(桂林电子科技大学)
桂林电子科技大学信息与通信学院
-
出处
《计算机应用》
CSCD
北大核心
2020年第10期2856-2862,共7页
-
基金
国家自然科学基金资助项目(61661017)
中国博士后科学基金面上项目(2016M602923XB)
+3 种基金
广西自然科学基金资助项目(2017GXNSFBA198212)
广西科技基地和人才专项(AD19110060)
认知无线电与信息处理教育部重点实验室资助项目(CRKL190107,CRKL160104)
桂林电子科技大学研究生教育创新计划项目(2019YCXS022)。
-
文摘
针对人脸校正中单幅图像难以解决大姿态侧脸的问题,提出一种基于多姿态特征融合生成对抗网络(MFFGAN)的人脸校正方法,利用多幅不同姿态侧脸之间的相关信息来进行人脸校正,并采用对抗机制对网络参数进行调整。该方法设计了一种新的网络,包括由多姿态特征提取、多姿态特征融合、正脸合成三个模块组成的生成器,以及用于对抗训练的判别器。多姿态特征提取模块利用多个卷积层提取侧脸图像的多姿态特征;多姿态特征融合模块将多姿态特征融合成包含多姿态侧脸信息的融合特征;而正脸合成模块在进行姿态校正的过程中加入融合特征,通过探索多姿态侧脸图像之间的特征依赖关系来获取相关信息与全局结构,可以有效提高校正结果。实验结果表明,与现有基于深度学习的人脸校正方法相比,所提方法恢复出的正脸图像不仅轮廓清晰,而且从两幅侧脸中恢复出的正脸图像的识别率平均提高了1.9个百分点,并且输入侧脸图像越多,恢复出的正脸图像的识别率越高,表明所提方法可以有效融合多姿态特征来恢复出轮廓清晰的正脸图像。
-
关键词
多幅人脸校正
多姿态特征融合
特征依赖关系
深度学习
生成对抗网络
-
Keywords
multi-face reconstruction
multi-pose feature fusion
feature dependency
deep learning
generative adversarial network
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名五姿态轮椅设计与试验研究
- 2
-
-
作者
王晓昌
罗春阳
李作家
孙永强
王小平
王延振
-
机构
北华大学机械工程学院
南方医科大学南方医院
-
出处
《林产工业》
北大核心
2024年第10期61-66,共6页
-
基金
吉林省科技发展计划项目(20210401146YY)
吉林省科技发展计划项目(20230401103YY)。
-
文摘
针对国内的轮椅使用者在室内独立生活中面临的双手控制空间较小以及姿态转换稳定性不佳等问题,本文设计了一种融合五种姿态、具备高稳定性和可靠性的多姿态轮椅。基于人体工程学和可靠性工程学,设计了两种适用于小空间且具备高力矩的传动模块。通过对连杆模块进行运动学分析,验证了机构设计的合理性和稳定性。最后,利用姿态传感器对轮椅的姿态变换稳定性和静态刚度进行了测试。结果表明:该五姿态轮椅能够实现五种姿态的平稳变换,扩大了使用者的双手控制空间,并具备较高的静态刚度,能够满足下肢行动不便者独立生活的需求,提升了其独立生活的能力和生活质量。
-
关键词
人体工程学
多姿态融合
运动学
高稳定性
独立生活
-
Keywords
Human body engineering
Multi-attitude fusion
Dynamics
High stability
Independent living
-
分类号
TS664.01
[轻工技术与工程]
TS396
[轻工技术与工程]
-
