排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
当前大多数方法需要对人脸进行对齐等预处理,这不仅影响验证流程的连续性,还严重影响人脸验证的效率。本文设计了两种神经网络模型及三个阶段式的训练验证构架以及基于深度特征与SIFT特征相结合的高效的非对齐人脸验证方法:方法利用卷积神经网络的池化层中间结果同步生成SIFT特征描述符从粗粒度到细粒度进行多级联的非对齐的人脸验证,这极大的提高人脸验证的速度及准确度;在训练阶段提出了使用三元组样本作为输入,Triplet loss作为损失函数有效提高不同人之间的区分度提高人脸验证的准确率;本文根据不同应用场景设计了两种深度学习架构适应小型及大型设备的需要。本方法经过在Web-face数据集训练及在LFW,YOUTUBE等数据集上验证,结果表明该方法具有良好的性能。 相似文献
2.
非限定条件下,手机和摄像机拍摄的图像或视频,总会存在光照不均匀的现象。目前的处理方法大多实时性差、增强效果不理想。为能高效处理非均匀光照图像,提出一种基于Retinex理论的自适应Gamma增强算法。所提算法对亮度分量进行自适应Gamma校正,并利用反射分量恢复图像的细节和色彩。实验结果表明,所提方法在主观评价、客观评价和处理速度方面均优于其他先进算法。 更多还原 相似文献
1