黄聿
- 作品数：3 被引量：13H指数：1
- 供职机构：五邑大学信息工程学院更多>>
- 发文基金：国家自然科学基金广东省自然科学基金广东省高等学校高层次人才项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于双激活层深度卷积特征的人脸美丽预测研究被引量：11
- 2019年
- 目前,人脸美丽预测存在数据规模小、分类难度大、深度特征研究不足等问题.为此,本文提出基于双激活层深度卷积特征的人脸美丽预测研究的解决方案.首先,采用数据增强和人脸对齐方法来增加训练集的样本数量和提高数据库的数据质量.其次,提出一种双激活层改进CNN模型,使其更适合人脸美丽预测应用.实验结果表明,本文所提方法在分类和回归预测方面均大幅度优于传统人脸美丽预测方法;同时,在主流的CNN模型中取得了较好的实时性和准确性,基于2000测试集的分类准确率达到61.1%,回归相关度达到0.8546.因此,双激活层在深层人脸美丽特征学习中发挥了重要作用,可广泛应用于人脸图像识别与处理.
- 甘俊英翟懿奎黄聿曾军英姜开永
- 关键词：卷积神经网络
- 基于肤色的实时人脸检测算法研究被引量：1
- 2011年
- 研究了一种基于肤色的人脸检测算法的设计与实现过程。在YIQ颜色空间中,进行了有效的肤色提取,把提取到的肤色与背景图像信息转为二值图像进行形态学降噪处理,再采用质心定位法进行准确的眼睛定位,最后对检测到的人脸图像进行缩放、旋转、移位校正,以提高输出人脸图像的质量。实验结果表明,本文所提的算法具有很高的准确率与检测速度,能够适用于实时人脸检测系统。
- 翟懿奎黄聿谢剑华吴志龙郭承刚
- 关键词：实时人脸检测
- 基于轻量级卷积神经网络的人脸美丽预测被引量：1
- 2017年
- 针对目前人脸美丽预测算法难于同时满足实时性、鲁棒性、准确性的现状,本文提出一种轻量级的卷积神经网络(Convolutional Neural Network,CNN).首先,利用图像预处理来提高模型的鲁棒性.其次,通过减少网络层数和减小输入图像尺寸来提高模型的实时性,并通过优化网络结构和增加卷积核数来增强模型的学习能力.最后,提出大规模数据微调训练方法来进一步提高模型的预测准确性.实验结果表明,本文方法在SCUT-FBP数据库中获得0.887 6的相关度,对单张144×144的输入图像预测时间为185.8 ms.
- 甘俊英黄聿翟懿奎姜开永
- 关键词：轻量级
