专利汇可以提供一种基于深度信赖网络的超分辨率人脸识别方法专利检索,专利查询,专利分析的服务。并且一种基于深度信赖网络的超 分辨率 人脸识别 方法,涉及人脸识别技术领域。本 发明 从认知的 角 度出发,认为相互对应的高低分辨率人脸图像存在着内在本质的关联。而以往的研究表明,采用线性近似的方法来表达这种内在的关联效果受到线性近似地制约。因此认为这种内在的关联是非线性的。鉴于 人工神经网络 在非线性分类问题上的出色表现,本发明采用神经网络 算法 来捕获 姿态 变化下相互对应的高低分辨率人脸图像的非线性关联。理论研究和神经生理学的研究表明,要构建一个智能的处理系统,需要构建深度的结构,如多层非线性处理单元构建的系统。本发明利用深度信赖网络(deep belief networks)来挖掘相互对应的高低分辨率人脸图像存在的共有的非线性结构。,下面是一种基于深度信赖网络的超分辨率人脸识别方法专利的具体信息内容。
1.一种基于深度信赖网络的超分辨率人脸识别方法,其特征在于包含以下步骤:
1)对低分辨率图像进行最近邻插值、双线性插值或者双三次插值,使得高低分辨率图像的维度一致;
2)将维度一致的带有姿态差异的高低分辨率人脸图像灰度归一到(0,1)之间,并作为深度信赖网络的可视向量v输入到网络中,深度信赖网络由多层的受限的波尔兹曼机构成;所述的受限的波尔兹曼机是一种特殊的神经网络模型,具有对称的连接权系数,网络由D F
可视单元v∈{0,1} 和隐层单元h∈{0,1} 构成;
3)然后,训练深度信赖网络;
4)将经过最近邻插值、双线性插值或者双三次插值的测试低分辨率图像输入到深度信赖网络,由深度信赖网络给出最终的识别结果。
2.如权利要求1所述的超分辨率人脸识别方法,其特征在于:所述的步骤2)是指:带有姿态差异的高低分辨率人脸图像其分辨率为h×w,将其展开成为一行长度为h×w的向量,并将其灰度强度归一到(0,1)。
3.如权利要求1或2所述的超分辨率人脸识别方法,其特征在于:所述的步骤3)中的训练深度信赖网络包含以下步骤:
将深度信赖网络分解成由相邻两层构成的一系列受限的玻尔兹曼机,逐层训练参数;
1)初始化深度信赖网络:首先将经验数据v作为输入,训练第一层受限波尔兹曼机的
1 1 1 1 1
权值系数矩阵W ;接着将W 固定,通过p(h|v)=p(h|v,W),训练出第一层受限波尔兹曼机
1 1
的隐层向量h ;将h 作为第二层受限波尔兹曼机的输入,训练第二层受限波尔兹曼机的权
2
值系数矩阵W ;递归地计算出每一层的隐含单元向量和权值系数矩阵;
2)微调:为达到分类目的,在最后一层网络再添加一层逻辑回归层,并采用梯度下降法训练整个网络。
4.如权利要求3所述的超分辨率人脸识别方法,其特征在于:所述的初始化深度信赖网络,计算权值和隐层单元的包括以下特征:
通过经验数据估计模型参数或隐层单元状态:状态{v,h}的能量方程定义为:
T T T
E(v,h;θ)=-vWh-bv-ah (1)
其中θ={W,a,b}为参数,W可视层和隐层之间对称的连接权系数,a和b为基矩阵,可视向量与隐层向量的联合分布矩阵为:
设Edata[.]为数据完整分布pdata(v,h;θ)=p(h|v;θ)pdata(v)的期望,其中pdata(v)为数据的先验知识,Emodel[.]为公式(2)代表的模型期望,则由公式(3~5)求得最优的参数θ={W,a,b}或者相应的隐层状态向量h。
其中α为学习率。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
步长预测方法、控制器、定位设备和可读存储介质 | 2020-05-08 | 182 |
基于泛函深度信念网络的日太阳辐射资源评估方法 | 2020-05-15 | 529 |
一种基于语音属性分类的交互系统及其方法 | 2020-05-19 | 590 |
一种语音识别方法及装置 | 2020-05-17 | 483 |
一种基于有限元和深度信念网络的均压环优化设计方法 | 2020-05-17 | 138 |
基于深度信念网络和扫描叠加的微震源自动定位方法 | 2020-05-08 | 317 |
一种新型的配电网运行状态画像分析方法 | 2020-05-18 | 619 |
一种变电站二次设备状态监测方法及可读存储介质 | 2020-05-19 | 236 |
结合判别式深度置信网络和主动学习的心电分类方法 | 2020-05-16 | 886 |
一种跨模态检索方法及系统 | 2020-05-15 | 91 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。