期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于多层次特征融合的Transformer人脸识别方法
1
作者 夏桂书 朱姿翰 +2 位作者 魏永超 朱泓超 徐未其 《四川大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第1期61-68,共8页
卷积神经网络中的卷积操作只能捕获局部信息,而Transformer能保留更多的空间信息且能建立图像的长距离连接.在视觉领域的应用中,Transformer缺乏灵活的图像尺寸及特征尺度适应能力,通过利用层级式网络增强不同尺度建模的灵活性,且引入... 卷积神经网络中的卷积操作只能捕获局部信息,而Transformer能保留更多的空间信息且能建立图像的长距离连接.在视觉领域的应用中,Transformer缺乏灵活的图像尺寸及特征尺度适应能力,通过利用层级式网络增强不同尺度建模的灵活性,且引入多尺度特征融合模块丰富特征信息.本文提出了一种基于改进的Swin Transformer人脸模型——Swin Face模型.Swin Face以Swin Transformer为骨干网络,引入多层次特征融合模块,增强了模型对人脸的特征表达能力,并使用联合损失函数优化策略设计人脸识别分类器,实现人脸识别.实验结果表明,与多种人脸识别方法相比,Swin Face模型通过使用分级特征融合网络,在LFW、CALFW、AgeDB-30、CFP数据集上均取得最优的效果,验证了此模型具有良好的泛化性和鲁棒性. 展开更多
关键词 人脸识别 TRANSFORMER 多尺度特征 特征融合
下载PDF
视觉图神经网络的人脸识别方法
2
作者 魏永超 朱泓超 +2 位作者 朱姿翰 徐未其 刘伟杰 《现代计算机》 2024年第3期1-8,17,共9页
目前,大部分人脸识别方法依赖CNN,通过级联融合局部特征实现特征提取,却忽视全局语义空间信息且训练代价巨大。基于Transformer的方法相较于CNN,参数更少且能有效表征全局特征信息,但对全局各特征区域相对空间依赖关系表征不足。针对以... 目前,大部分人脸识别方法依赖CNN,通过级联融合局部特征实现特征提取,却忽视全局语义空间信息且训练代价巨大。基于Transformer的方法相较于CNN,参数更少且能有效表征全局特征信息,但对全局各特征区域相对空间依赖关系表征不足。针对以上问题,提出了一种视觉图神经网络的人脸识别方法,引入GCN作为特征提取网络,捕获邻近特征关系并建立全局特征区域的依赖性;结合ECA模块,提高模型对人脸特征感知能力。此外,基于Triplet Loss与Center Loss,构建联合损失函数作为目标函数,约束类内特征,提高模型泛化能力。本方法在LFW、CFP和AgeDB⁃30基准测试集上取得较好的效果,且模型参数量与计算复杂度更少。 展开更多
关键词 人脸识别 图神经网络 空间多尺度 注意力机制
下载PDF
基于双尺度时间特征的步态识别方法
3
作者 魏永超 徐未其 +2 位作者 朱泓超 朱姿翰 刘伟杰 《现代计算机》 2024年第6期8-13,55,共7页
当前,多数步态识别方法关注于步态序列单一时间尺度建模,忽略了不同时间尺度的信息交互。基于此,提出了一种双尺度时间特征表示网络。该方法聚合两个时间尺度特征来获取步态的运动表示,并将两个时间尺度上特征进行融合,实现信息交互。... 当前,多数步态识别方法关注于步态序列单一时间尺度建模,忽略了不同时间尺度的信息交互。基于此,提出了一种双尺度时间特征表示网络。该方法聚合两个时间尺度特征来获取步态的运动表示,并将两个时间尺度上特征进行融合,实现信息交互。通过多视角识别实验验证,该方法在数据集CASIA-B上的性能超越了主流的步态识别方法,在NM、BG和CL条件下Rank-1准确率分别达到97.8%、93.1%以及80.6%。 展开更多
关键词 步态识别 时间尺度 空间特征 多视角识别
下载PDF
基于联动空间拓扑关系的步态识别研究
4
作者 魏永超 朱泓超 +2 位作者 徐未其 朱姿翰 刘伟杰 《现代计算机》 2024年第2期10-17,38,共9页
目前,大多数基于骨骼的步态识别方法通过改善时空关系表征来提高步态识别的准确率,但却忽略了人体物理结构节点之间的联动性。基于上述问题,探究步态识别的空间拓扑联动关系。提出一种基于局部分区的新策略方法,划分人体非结构化区域并... 目前,大多数基于骨骼的步态识别方法通过改善时空关系表征来提高步态识别的准确率,但却忽略了人体物理结构节点之间的联动性。基于上述问题,探究步态识别的空间拓扑联动关系。提出一种基于局部分区的新策略方法,划分人体非结构化区域并构建区域之间的邻接关系表示人体姿态的相对变化。其次,设计多尺度时间模块以时间为轴关联局部分区的节点变化提取多尺度时间特征。通过实验验证,该方法在步态数据集CASIA-B上超越了主流的步态识别方法,在不同行走条件下Rank-1准确率分别达到87.6%、77.6%以及72.8%。 展开更多
关键词 时空图卷积 邻接矩阵 步态识别
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部