王新胜
- 作品数：8 被引量：20H指数：2
- 供职机构：华北电力大学更多>>
- 发文基金：河北省自然科学基金国家自然科学基金北京市自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种图像分类方法
- 本发明公开了一种图像分类方法，该方法具体为基于端到端双通道特征重标定密集连接卷积神经网络的图像分类方法，该方法通过一个网络模型即可完成通道特征重标定与层间特征重标定并进行合并，并且这个模型的训练过程是端到端训练，即本申请...
- 张珂郭玉荣王新胜苏昱坤
- 文献传递
- 人脸图像细粒度年龄估计方法研究
- 人脸图像是一种极为丰富的信息源。作为人脸的关键属性信息之一，年龄在人的社会交往中起到了基础性作用，使得人脸图像年龄估计问题与现实需求密切相关。在人脸图像年龄估计任务中，对不同年龄的人脸图像进行分类时，年龄相近的人脸图像具...
- 王新胜
- 关键词：人脸图像年龄估计
- 文献传递
- 一种基于麦克阵列的声控移动垃圾桶
- 本实用新型公开了一种基于麦克阵列的声控移动垃圾桶，包括主控电路板、热释电红外传感器、光电开关、激光传感器、GSM短信模块、拾音器、麦克风阵列、机械传动装置及直流电机和电源模块。本实用新型采用了语音控制技术，实现了垃圾桶的...
- 周俊杰杨创王新胜
- 文献传递
- 端到端双通道特征重标定DenseNet图像分类被引量：10
- 2020年
- 目的针对密集连接卷积神经网络(Dense Net)没有充分考虑通道特征相关性以及层间特征相关性的缺点,本文结合软注意力机制提出了端到端双通道特征重标定密集连接卷积神经网络。方法提出的网络同时实现了Dense Net网络的通道特征重标定与层间特征重标定。给出了Dense Net网络通道特征重标定与层间特征重标定方法;构建了端到端双通道特征重标定密集连接卷积神经网络,该网络每个卷积层的输出特征图经过两个通道分别完成通道特征重标定以及层间特征重标定,再进行两种重标定后特征图的融合。结果为了验证本文方法在不同图像分类数据集上的有效性和适应性,在图像分类数据集CIFAR-10/100以及人脸年龄数据集MORPH、Adience上进行了实验,提高了图像分类准确率,并分析了模型的参数量、训练及测试时长,验证了本文方法的实用性。与Dense Net网络相比,40层及64层双通道特征重标定密集连接卷积神经网络DFR-DenseNet (dual feature reweight Dense Net),在CIFAR-10数据集上,参数量仅分别增加1.87%、1.23%,错误率分别降低了12%、9.11%,在CIFAR-100数据集上,错误率分别降低了5.56%、5.41%;与121层DFR-DenseNet网络相比,在MORPH数据集上,平均绝对误差(MAE)值降低了7.33%,在Adience数据集上,年龄组估计准确率提高了2%;与多级特征重标定密集连接卷积神经网络MFR-DenseNet(multiple feature reweight Dense Net)相比,DFR-DenseNet网络参数量减少了一半,测试耗时约缩短为MFR-DenseNet的61%。结论实验结果表明本文端到端双通道特征重标定密集连接卷积神经网络能够增强网络的学习能力,提高图像分类的准确率,并对不同图像分类数据集具有一定的适应性、实用性。
- 郭玉荣张珂王新胜苑津莎赵振兵马占宇
- 关键词：图像分类端到端
- 一种图像分类方法
- 本申请提出了一种图像分类方法，涉及一种竞争比损失函数，竞争比损失函数加大了正确类和竞争类的差距，采用该竞争比损失函数训练深度卷积神经网络，得到训练好的基于竞争比损失函数的深度卷积神经网络，因为基于竞争比损失函数的深度卷积...
- 张珂王新胜郭玉荣何颖宣
- 文献传递
- 一种图像分类方法
- 本发明公开了一种图像分类方法，该方法具体为基于端到端双通道特征重标定密集连接卷积神经网络的图像分类方法，该方法通过一个网络模型即可完成通道特征重标定与层间特征重标定并进行合并，并且这个模型的训练过程是端到端训练，即本申请...
- 张珂郭玉荣王新胜苏昱坤
- 文献传递
- 一种图像分类方法
- 本申请提出了一种图像分类方法，涉及一种竞争比损失函数，竞争比损失函数加大了正确类和竞争类的差距，采用该竞争比损失函数训练深度卷积神经网络，得到训练好的基于竞争比损失函数的深度卷积神经网络，因为基于竞争比损失函数的深度卷积...
- 张珂王新胜郭玉荣何颖宣
- 文献传递
- 人脸年龄估计的深度学习方法综述被引量：10
- 2019年
- 目的人脸年龄估计技术作为一种新兴的生物特征识别技术,已经成为计算机视觉领域的重要研究方向之一。随着深度学习的飞速发展,基于深度卷积神经网络的人脸年龄估计技术已成为研究热点。方法本文以基于深度学习的真实年龄和表象年龄估计方法为研究对象,通过调研文献,分析了基于深度学习的人脸年龄估计方法的基本思想和特点,阐述其研究现状,总结关键技术及其局限性,对比了常见人脸年龄估计方法的性能,展望了未来的发展方向。结果尽管基于深度学习的人脸年龄估计研究取得了巨大的进展,但非受限条件下年龄估计的效果仍不能满足实际需求,主要因为当前人脸年龄估计研究仍存在以下困难:1)引入人脸年龄估计的先验知识不足;2)缺少兼顾全局和局部细节的人脸年龄估计特征表达方法;3)现有人脸年龄估计数据集的限制;4)实际应用环境下的多尺度人脸年龄估计问题。结论基于深度学习的人脸年龄估计技术已取得显著进展,但是由于实际应用场景复杂,容易导致人脸年龄估计效果不佳。对目前基于深度学习的人脸年龄估计技术进行全面综述,从而为研究者解决存在的问题提供便利。
- 张珂王新胜郭玉荣苏昱坤何颖宣
