CN108960087A - 一种基于多维度评估标准的人脸图像质量评估方法及*** - Google Patents
一种基于多维度评估标准的人脸图像质量评估方法及*** Download PDFInfo
- Publication number
- CN108960087A CN108960087A CN201810636925.3A CN201810636925A CN108960087A CN 108960087 A CN108960087 A CN 108960087A CN 201810636925 A CN201810636925 A CN 201810636925A CN 108960087 A CN108960087 A CN 108960087A
- Authority
- CN
- China
- Prior art keywords
- quality
- image
- evaluation
- training data
- human face
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于多维度评估标准的人脸图像质量评估方法及***,其方法包括:采集人脸图像,作为训练数据;将所述训练数据按照不同维度的降质特征进行分类;对分类后的训练数据中的每类图像分别进行初步评价和标注;根据不同维度的降质特征的分类结果建立每类维度特征对应的分支任务;建立质量评估模型,并进行训练,根据训练后的质量评估模型对输入的待评估人脸图像进行多分支任务预测,完成人脸图像质量评估;本发明利用深度神经网络提取图像特征,同时完成多个图像质量影响因素的全方位质量评估,得出的图像综合质量分数与人眼的主观评判较为接近,且具有较快的评估速度,在滤除低质量图像后,可以有效提高人脸识别的性能。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种基于多维度评估标准的人脸图像质量评估方法及***。
背景技术
随着社会和科技的快速发展,人脸识别技术得到了越来越广泛的应用和普及,如已逐渐应用在机场、火车站等重要的安防口岸,银行、社区等与人民生活息息相关的重要场所,这些应用对人脸识别算法的准确率和效率均有较高的要求。在人脸识别算法中,模型输入的训练数据是影响算法性能的最重要因素之一,因此训练输入图像的质量优劣对模型性能有较大的直接影响。在人脸图像数据采集过程中,由于摄像机抖动、姿势、遮挡、拍摄距离等原因,难以保证所采集人脸图像质量的一致性,甚至会造成部分图像出现模糊、遮挡严重、扭曲等降质情况,这些因素都会影响到人脸识别的性能。因此在进行人脸识别之前对人脸图像质量进行预测评估,对质量分值较低的人脸图像进行相应的处理(或直接过滤,或降低其识别分值),能够有效降低较差质量图像对人脸识别训练和测试产生的影响。
目前,人脸图像的质量评价分为有参考评价和无参考评价两种方式。有参考评价需要作为参考的高质量标准人脸图像,通过比较降质人脸图像和作为参考的标准人脸图像的信息或特征,来得到降质人脸图像的质量分数。有参考评价结果更接近于主观评价结果,但该类方法极其依赖于参考的标准人脸图像,而在实际人脸识别应用中,一般无法得到或很难得到高质量的标准人脸图像,因此无参考评价方式成为图像质量评价领域的热点和难点问题。
发明内容
鉴于以上所述现有技术的缺点,本发明提供一种基于多维度评估标准的人脸图像质量评估方法及***,以解决上述技术问题。
本发明提供的基于多维度评估标准的人脸图像质量评估方法,包括:
采集人脸图像,作为训练数据;
将所述训练数据按照不同维度的降质特征进行分类;
对分类后的训练数据中的每类图像分别进行初步评价和标注;
根据不同维度的降质特征的分类结果建立每类维度特征对应的分支任务;
建立质量评估模型,根据初步评价和标注后的训练数据搭建深度神经网络,对所述质量评估模型进行训练,根据训练后的质量评估模型对输入的待评估人脸图像进行多分支任务预测,完成人脸图像质量评估。
进一步,所述初步评价和标注包括:预先将图像质量划分为若干不同的评价等级,建立评价标准,并根据所述评价标准对每个训练数据的图像质量进行打分,获取图像质量分数标签,完成初步评价和标注。
进一步,所述降质特征至少包括图像模糊、图像遮挡、图像扭曲、大角度、无人脸图像、低分辨率和图像光照不均中的一种或几种的组合。
进一步,所述质量评估模型在进行预测时,其多分支任务同时进行预测;所述分支任务至少包括模糊质量评估任务、扭曲质量评估任务、可见度质量评估任务和角度质量评估任务中的一种或几种的组合;
针对模糊质量评估任务,预测图像边缘的分布情况,根据边缘的清晰度进行质量评分;
针对扭曲质量评估任务,检测关键信息点位置,根据扭曲人脸偏离标准的程度进行质量评分;
针对可见度质量评估任务,检测关键信息点的可见程度,并与标准信息点进行比对进行质量评分;
针对角度质量评估任务,对图像中人脸在俯仰、水平左右偏转及平面内旋转程度进行预测,根据预测的偏转角度进行质量评分。
进一步,通过如下公式获取质量评估模型的预测的综合质量分数:
其中,N为图像样本数,ωj为分支任务对应的权值,ybi为图像边缘的清晰度,yai为图像扭曲度,yvi为图像可见度,ypi为偏转角度,j=1,…,4,i为图像编号。预先对每个分支任务分别设置阈值,当该类分支任务的质量评分低于阈值时,增大该类质量分数权重比,并降低其他类的质量分数权重比。
本发明还提供一种基于多维度评估标准的人脸图像质量评估***,包括:
图像采集模块,用于采集人脸图像,作为训练数据;
分类模块,用于将所述训练数据按照不同维度的降质特征进行分类,并根据分类结果建立每类维度特征对应的分支任务;
初步评价模块,用于对分类后的训练数据中的每类图像分别进行初步评价和标注;
质量评估模型,用于进行图像质量评估。
根据初步评价和标注后的训练数据搭建深度神经网络,对所述质量评估模型进行训练,根据训练后的质量评估模型对输入的待评估人脸图像进行多分支任务预测,完成人脸图像质量评估。
进一步,所述初步评价和标注包括:预先将图像质量划分为若干不同的评价等级,建立评价标准,通过初步评价单元对每个训练数据的图像质量进行打分,获取图像质量分数标签,完成初步评价和标注。
进一步,所述降质特征至少包括图像模糊、图像遮挡、图像扭曲、大角度、无人脸图像、低分辨率和图像光照不均中的一种或几种的组合。
进一步,质量评估模型至少包括若干卷积层、池化层和全连接层,所述质量评估模型包括多个卷积池化模块,每个卷积池化模块包括两个卷积层和一个池化层,且每个卷积池化模块前后设置有恒等映射,形成残差网络结构。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一项所述方法。
本发明的有益效果:本发明中的基于多维度评估标准的人脸图像质量评估方法及***,在标注训练图像数据的基础上,利用深度神经网络提取图像特征,针对不同降质特征设置不同的网络任务,同时完成多个图像质量影响因素的全方位质量评估,得出的图像综合质量分数与人眼的主观评判较为接近,且具有较快的评估速度,在滤除低质量图像后,可以有效提高人脸识别的性能。
附图说明
图1是本发明实施例中基于多维度评估标准的人脸图像质量评估方法的流程示意图。
图2是本发明实施例中基于多维度评估标准的人脸图像质量评估***的质量评估网络结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
本实施例中的基于多维度评估标准的人脸图像质量评估方法,包括:
采集人脸图像,作为训练数据;
将所述训练数据按照不同维度的降质特征进行分类;
对分类后的训练数据中的每类图像分别进行初步评价和标注;
根据不同维度的降质特征的分类结果建立每类维度特征对应的分支任务;
建立质量评估模型,根据初步评价和标注后的训练数据搭建深度神经网络,对所述质量评估模型进行训练,根据训练后的质量评估模型对输入的待评估人脸图像进行多分支任务预测,完成人脸图像质量评估。
如图1所示,本实施例中的基于多维度评估标准的人脸图像质量评估方法主要包括采集样本数据、根据多维度评估标准标注样本数据标签、模型搭建及训练和质量评估。本实施例是基于模糊度、扭曲度、可见度、角度等多维度评估标准的人脸图像质量评估方法,通过利用深度神经网络提取图像特征,针对不同降质特征设置不同的网络任务,同时完成多个图像质量影响因素的全方位质量评估,得出的图像综合质量分数与人眼的主观评判较为接近,且具有较快的评估速度。在人脸识别模型的训练端,通过本实施例中的质量评估方法对人脸识别所采用的训练集进行进一步地清理,能够有效提高人脸识别模型的准确率;在测试端,可以通过本发明的质量评估方法与人脸识别算法的结合,在识别过程中同时兼顾人脸质量分值的评估,能够有效提高人脸识别的准确率。
在本实施例中,考虑到了人脸图像采集过程中对人脸图像具有较大影响的典型因素,即降质特征,通过采集生成大量多维度特征的人脸图像,多维度特征包括清晰、模糊、遮挡、扭曲、大角度、光照等,其中图像模糊、图像遮挡、图像扭曲、大角度、无人脸图像、低分辨率和图像光照不均中等等为对人脸图像具有较大影响的降质特征,对每类降质图像进行人眼评分并标注标签。本实施例中的图像模糊可以包括运动模糊、散焦模糊、高斯模糊等多种模糊类型;图像遮挡包括戴帽子、眼镜、墨镜、口罩等多种遮挡类型;图像扭曲指不符合标准对齐人脸的形式,对齐后的人脸是深度神经网络规定的输入大小的人脸图像;图像大角度是指对于正面人脸图像来说,具有的俯仰角转动,水平左右偏转,平面内旋转等形式。
在本实施例中,初步评价和标注包括:预先将图像质量划分为若干不同的评价等级,建立评价标准,并根据所述评价标准对每个训练数据的图像质量进行打分,获取图像质量分数标签,完成初步评价和标注。由于在人脸图像质量评估中,客观评价的目的是要使评估后的图像质量尽量符合人眼主观评价,因此,可以选择通过利用人眼对训练图像数据进行初步评分并标注其标签。优选地,人眼评分过程可以采用对一张输入图像,对每类降质特征,经多位评分者按照非常好、好、一般、差、非常差的五级评价标准进行打分,分值可以从1到0进行不等分布,采用差分平均意见分数方法来处理数据,得到最终的图像质量分数标签。通过利用上述训练图像数据,搭建深度神经网络来训练质量评估模型。通过对输入人脸图像进行质量评估,得出其模糊质量分数,扭曲质量分数,角度质量分数,可见度质量分数以及综合质量分数。由于不同的图像降质特征间可能会有影响,如图像扭曲,角度、可见度之间互有关联,因此网络采用多分支任务同时进行预测的方法来完成整个质量评估任务,同时进行的多分支任务彼此间有一定约束,会促进网络参数的优化,增强网络的性能。
在本实施例中,质量评估模型在进行预测时,其多分支任务同时进行预测;分支任务至少包括模糊质量评估任务、扭曲质量评估任务、可见度质量评估任务和角度质量评估任务中的一种或几种的组合;设输入图像为xi,特征映射参数为θf,则经特征提取后的特征表达式为fi=(xi,θf)
针对模糊质量评估任务,模糊图像与清晰图像的主要区别在于模糊图像比清晰原图具有更加不清楚的边缘,因此通过深度神经网络可以预测图像边缘分布情况,边缘越清晰该质量分数越高。在最后一个全连接层上,采用softmax函数作为模糊度预测的损失函数,设其映射参数为θb,则其模糊度表达式为yb=(fi,θb)
针对扭曲质量评估任务,与对齐人脸图像相比,扭曲图像的人脸通常不在对齐规定的范围内,利用深度神经网络检测关键信息点位置,可检测扭曲人脸偏离标准的程度,偏离程度越小该质量分数越高。在最后一个全连接层上,采用欧氏距离作为扭曲度预测的损失函数,设其映射参数为θa,则其扭曲度表达式为ya=(fi,θa);
针对可见度质量评估任务,利用深度神经网络检测关键信息点的可见程度,与标准信息点进行比对实现,可见信息点越多该质量分数越高。在最后一个全连接层上,采用欧氏距离作为可见度预测的损失函数,设其映射参数为θv,则其可见度表达式为yv=(fi,θv);
针对角度质量评估任务,深度神经网络可对人脸在俯仰、水平左右偏转及平面内旋转程度进行预测,偏转角度越小该质量分数越高。在最后一个全连接层上,采用交叉熵函数作为角度预测的损失函数,设其映射参数为θp,则其角度表达式为yp=(fi,θp)。
综合质量分数可以通过对上述各类质量分数进行加权平均求解得到,例如设模糊度分数、扭曲度分数、可见度分数、角度分数对应的权值分别为ωj,j=1,…,4,则图像xi的质量分数Qi表示如下:
其中,N指图像样本数,同时,对模糊度分数、扭曲度分数、可见度分数、角度分数分别设置一个阈值Tj,j=1,…,4,当某类或某几类(少于所有类别数)分数低于其阈值时,增大其质量分数权重比,同时降低其余类质量分数权重比,以此调整综合质量分数使其更加符合主观评判。在本实施例中,一张图像质量评估的平均时间为4~6ms,在人脸识别模块之前,经质量评估模块对输入图像进行筛选,滤除低质量图像后,可以有效提高人脸识别的性能。
相应地,本实施例还提供一种基于多维度评估标准的人脸图像质量评估***,包括:
图像采集模块,用于采集人脸图像,作为训练数据;
分类模块,用于将所述训练数据按照不同维度的降质特征进行分类,并根据分类结果建立每类维度特征对应的分支任务;
初步评价模块,用于对分类后的训练数据中的每类图像分别进行初步评价和标注;
质量评估模型,用于进行图像质量评估。
根据初步评价和标注后的训练数据搭建深度神经网络,对所述质量评估模型进行训练,根据训练后的质量评估模型对输入的待评估人脸图像进行多分支任务预测,完成人脸图像质量评估。
如图2所示,本实施例中的网络模型以卷积神经网络为基础框架,由卷积层、池化层、全连接层组成,其中每两个卷积层和一个池化层形成一个卷积池化模块,卷积层大小可以选择7x7,3x3等,池化层选择最大池化。在本实施例中在每一个卷积池化模块前后增加一个恒等映射,形成残差网络的结构,可以防止在训练过程中出现梯度消失情况。多个卷积池化模块的堆叠与串联的全连接网络共同形成整个质量评估网络的特征提取模块,在特征提取基础上,后续网络根据不同的任务进行不同的设置,进行线性回归或逻辑回归。
本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本实施例中的任一项方法。
本实施例还提供一种电子终端,包括:处理器及存储器;
所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行本实施例中任一项方法。
本实施例中的计算机可读存储介质,本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供的电子终端,包括处理器、存储器、收发器和通信接口,存储器和通信接口与处理器和收发器连接并完成相互间的通信,存储器用于存储计算机程序,通信接口用于进行通信,处理器和收发器用于运行计算机程序,使电子终端执行如上方法的各个步骤。
在本实施例中,存储器可能包含随机存取存储器(RandomAccessMemory,简称RAM),也可能还包括非易失性存储器(non-volatilememory),例如至少一个磁盘存储器。
上述的处理器可以是通用处理器,包括中央处理器(CentralProcessingUnit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(DigitalSignalProcessing,简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,简称ASIC)、现场可编程门阵列(Field-ProgrammableGateArray,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种基于多维度评估标准的人脸图像质量评估方法,其特征在于,包括:
采集人脸图像,作为训练数据;
将所述训练数据按照不同维度的降质特征进行分类;
对分类后的训练数据中的每类图像分别进行初步评价和标注;
根据不同维度的降质特征的分类结果建立每类维度特征对应的分支任务;
建立质量评估模型,根据初步评价和标注后的训练数据搭建深度神经网络,对所述质量评估模型进行训练,根据训练后的质量评估模型对输入的待评估人脸图像进行多分支任务预测,完成人脸图像质量评估。
2.根据权利要求1所述的基于多维度评估标准的人脸图像质量评估方法,其特征在于,所述初步评价和标注包括:预先将图像质量划分为若干不同的评价等级,建立评价标准,并根据所述评价标准对每个训练数据的图像质量进行打分,获取图像质量分数标签,完成初步评价和标注。
3.根据权利要求2所述的基于多维度评估标准的人脸图像质量评估方法,其特征在于,所述降质特征至少包括图像模糊、图像遮挡、图像扭曲、大角度、无人脸图像、低分辨率和图像光照不均中的一种或几种的组合。
4.根据权利要求3所述的基于多维度评估标准的人脸图像质量评估方法,其特征在于,所述质量评估模型在进行预测时,其多分支任务同时进行预测;所述分支任务至少包括模糊质量评估任务、扭曲质量评估任务、可见度质量评估任务和角度质量评估任务中的一种或几种的组合;
针对模糊质量评估任务,预测图像边缘的分布情况,根据边缘的清晰度进行质量评分;
针对扭曲质量评估任务,检测关键信息点位置,根据扭曲人脸偏离标准的程度进行质量评分;
针对可见度质量评估任务,检测关键信息点的可见程度,并与标准信息点进行比对进行质量评分;
针对角度质量评估任务,对图像中人脸在俯仰、水平左右偏转及平面内旋转程度进行预测,根据预测的偏转角度进行质量评分。
5.根据权利要求4所述的基于多维度评估标准的人脸图像质量评估方法,其特征在于:通过如下公式获取质量评估模型的预测的综合质量分数:
其中,N为图像样本数,ωj为分支任务对应的权值,ybi为图像边缘的清晰度,yai为图像扭曲度,yvi为图像可见度,ypi为偏转角度,j=1,…,4,i为图像编号。
预先对每个分支任务分别设置阈值,当该类分支任务的质量评分低于阈值时,增大该类质量分数权重比,并降低其他类的质量分数权重比。
6.一种基于多维度评估标准的人脸图像质量评估***,其特征在于,包括:
图像采集模块,用于采集人脸图像,作为训练数据;
分类模块,用于将所述训练数据按照不同维度的降质特征进行分类,并根据分类结果建立每类维度特征对应的分支任务;
初步评价模块,用于对分类后的训练数据中的每类图像分别进行初步评价和标注(尽量忽略分类和标注评价的人为操作);
质量评估模型,用于进行图像质量评估;
根据初步评价和标注后的训练数据搭建深度神经网络,对所述质量评估模型进行训练,根据训练后的质量评估模型对输入的待评估人脸图像进行多分支任务预测,完成人脸图像质量评估。
7.根据权利要求6所述的基于多维度评估标准的人脸图像质量评估***,其特征在于,所述初步评价和标注包括:预先将图像质量划分为若干不同的评价等级,建立评价标准,通过初步评价模块对每个训练数据的图像质量进行打分,获取图像质量分数标签,完成初步评价和标注。
8.根据权利要求6所述的基于多维度评估标准的人脸图像质量评估***,其特征在于:所述降质特征至少包括图像模糊、图像遮挡、图像扭曲、大角度、无人脸图像、低分辨率和图像光照不均中的一种或几种的组合。
9.根据权利要求6所述的基于多维度评估标准的人脸图像质量评估***,其特征在于:所述质量评估模型至少包括若干卷积层、池化层和全连接层,所述质量评估模型包括多个卷积池化模块,每个卷积池化模块由两个卷积层和一个池化层组成,且每个卷积池化模块前后设置有恒等映射,形成残差网络结构,所有卷积池化模块的堆叠与串联的全连接网络组成特征提取模块。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:该程序被处理器执行时实现权利要求1至5中任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810636925.3A CN108960087A (zh) | 2018-06-20 | 2018-06-20 | 一种基于多维度评估标准的人脸图像质量评估方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810636925.3A CN108960087A (zh) | 2018-06-20 | 2018-06-20 | 一种基于多维度评估标准的人脸图像质量评估方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108960087A true CN108960087A (zh) | 2018-12-07 |
Family
ID=64490536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810636925.3A Pending CN108960087A (zh) | 2018-06-20 | 2018-06-20 | 一种基于多维度评估标准的人脸图像质量评估方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108960087A (zh) |
Cited By (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109615627A (zh) * | 2018-12-14 | 2019-04-12 | 国网山东省电力公司信息通信公司 | 一种输变电巡检图像质量评价方法及*** |
CN109670473A (zh) * | 2018-12-28 | 2019-04-23 | 深圳英飞拓智能技术有限公司 | 基于人脸抓图的优选方法及装置 |
CN109685785A (zh) * | 2018-12-20 | 2019-04-26 | 上海众源网络有限公司 | 一种图像质量评估方法、装置及电子设备 |
CN109711390A (zh) * | 2019-01-17 | 2019-05-03 | 深圳英飞拓科技股份有限公司 | 人脸抠图图片的优选方法及装置 |
CN109784230A (zh) * | 2018-12-29 | 2019-05-21 | 中国科学院重庆绿色智能技术研究院 | 一种人脸视频图像质量寻优方法、***及设备 |
CN109871780A (zh) * | 2019-01-28 | 2019-06-11 | 中国科学院重庆绿色智能技术研究院 | 一种人脸质量判决方法、***及人脸识别方法、*** |
CN109934803A (zh) * | 2019-02-27 | 2019-06-25 | 上海城诗信息科技有限公司 | 一种基于深度学习的针对移动端拍摄低分辨率图片评分的方法 |
CN110097001A (zh) * | 2019-04-30 | 2019-08-06 | 恒睿(重庆)人工智能技术研究院有限公司 | 生成最佳多人脸图像的方法、***、设备及存储介质 |
CN110163114A (zh) * | 2019-04-25 | 2019-08-23 | 厦门瑞为信息技术有限公司 | 一种人脸角度及人脸模糊度分析方法、***和计算机设备 |
CN110188627A (zh) * | 2019-05-13 | 2019-08-30 | 睿视智觉(厦门)科技有限公司 | 一种人脸图像过滤方法及装置 |
CN110321843A (zh) * | 2019-07-04 | 2019-10-11 | 杭州视洞科技有限公司 | 一种基于深度学习的人脸择优算法 |
CN110363753A (zh) * | 2019-07-11 | 2019-10-22 | 北京字节跳动网络技术有限公司 | 图像质量评估方法、装置及电子设备 |
CN110378883A (zh) * | 2019-07-11 | 2019-10-25 | 北京奇艺世纪科技有限公司 | 图像评价模型生成方法、图像数据处理方法、装置、计算机设备和存储介质 |
CN110427859A (zh) * | 2019-05-31 | 2019-11-08 | 北京金山云网络技术有限公司 | 一种人脸检测方法、装置、电子设备及存储介质 |
CN110428412A (zh) * | 2019-07-31 | 2019-11-08 | 北京奇艺世纪科技有限公司 | 图像质量的评价及模型生成方法、装置、设备和存储介质 |
CN110427888A (zh) * | 2019-08-05 | 2019-11-08 | 北京深醒科技有限公司 | 一种基于特征聚类的人脸质量评估方法 |
CN110516716A (zh) * | 2019-08-05 | 2019-11-29 | 西安电子科技大学 | 基于多分支相似度网络的无参考图像质量评价方法 |
CN110516554A (zh) * | 2019-07-31 | 2019-11-29 | 杭州电子科技大学 | 一种多场景多字体中文文字检测识别方法 |
CN110909690A (zh) * | 2019-11-26 | 2020-03-24 | 电子科技大学 | 一种基于区域生成的遮挡人脸图像检测方法 |
CN110942072A (zh) * | 2019-12-31 | 2020-03-31 | 北京迈格威科技有限公司 | 基于质量评估的质量分、检测模型训练、检测方法及装置 |
CN111028198A (zh) * | 2019-07-12 | 2020-04-17 | 北京达佳互联信息技术有限公司 | 图像质量评估方法、装置、终端及可读存储介质 |
CN111046806A (zh) * | 2019-12-12 | 2020-04-21 | 天地伟业技术有限公司 | 异构图像人脸识别目标库生成方法 |
CN111275703A (zh) * | 2020-02-27 | 2020-06-12 | 腾讯科技(深圳)有限公司 | 图像检测方法、装置、计算机设备和存储介质 |
CN111275682A (zh) * | 2020-01-19 | 2020-06-12 | 上海箱云物流科技有限公司 | 集装箱检测方法、装置及计算机可读存储介质 |
CN111369521A (zh) * | 2020-03-02 | 2020-07-03 | 名创优品(横琴)企业管理有限公司 | 一种基于图像质量的图像过滤方法和相关装置 |
CN111402229A (zh) * | 2020-03-16 | 2020-07-10 | 焦点科技股份有限公司 | 一种基于深度学习的图像评分的方法及*** |
CN111584044A (zh) * | 2020-05-14 | 2020-08-25 | 上海深至信息科技有限公司 | 一种标准超声图像训练集的生成方法及*** |
CN111652258A (zh) * | 2019-03-27 | 2020-09-11 | 上海铼锶信息技术有限公司 | 一种图像分类数据标注质量评估方法 |
CN111695602A (zh) * | 2020-05-18 | 2020-09-22 | 五邑大学 | 多维度任务人脸美丽预测方法、***及存储介质 |
CN111784693A (zh) * | 2020-08-12 | 2020-10-16 | 成都佳华物链云科技有限公司 | 一种图像质量评估方法、装置、电子设备及存储介质 |
CN111814620A (zh) * | 2020-06-28 | 2020-10-23 | 浙江大华技术股份有限公司 | 人脸图像质量评价模型建立方法、优选方法、介质及装置 |
CN111862061A (zh) * | 2020-07-27 | 2020-10-30 | 携程旅游网络技术(上海)有限公司 | 图片美学质量的评估方法、***、设备和介质 |
CN111914629A (zh) * | 2020-06-19 | 2020-11-10 | 北京百度网讯科技有限公司 | 为人脸识别生成训练数据的方法、装置、设备和存储介质 |
CN112069887A (zh) * | 2020-07-31 | 2020-12-11 | 深圳市优必选科技股份有限公司 | 一种人脸识别方法、装置、终端设备及存储介质 |
CN112200010A (zh) * | 2020-09-15 | 2021-01-08 | 青岛邃智信息科技有限公司 | 一种社区监控场景下的人脸采集质量评估策略 |
CN112287770A (zh) * | 2020-10-10 | 2021-01-29 | 武汉大学 | 一种面向身份识别的人脸质量感知方法及*** |
CN112669289A (zh) * | 2020-12-30 | 2021-04-16 | 科大讯飞股份有限公司 | 影像质量评估方法、装置、电子设备及存储介质 |
CN112733680A (zh) * | 2020-12-31 | 2021-04-30 | 南京视察者智能科技有限公司 | 一种基于监控视频流生成高质量人脸图像的模型训练方法、提取方法、装置和终端设备 |
CN113010066A (zh) * | 2019-12-20 | 2021-06-22 | 华为技术有限公司 | 显示参数确定方法及装置 |
CN113066065A (zh) * | 2021-03-29 | 2021-07-02 | 中国科学院上海高等研究院 | 无参考图像质量检测方法、***、终端及介质 |
CN113129252A (zh) * | 2019-12-30 | 2021-07-16 | Tcl集团股份有限公司 | 一种图像评分方法及电子设备 |
CN113158777A (zh) * | 2021-03-08 | 2021-07-23 | 佳都新太科技股份有限公司 | 质量评分方法、质量评分模型的训练方法及相关装置 |
CN113255472A (zh) * | 2021-05-07 | 2021-08-13 | 北京睿芯高通量科技有限公司 | 一种基于随机嵌入稳定性的人脸质量评价方法及*** |
CN113409281A (zh) * | 2021-06-24 | 2021-09-17 | 上海云从企业发展有限公司 | 基于深度模型的图像清晰度评估方法和装置 |
CN113435428A (zh) * | 2021-08-27 | 2021-09-24 | 深圳市爱深盈通信息技术有限公司 | 基于相册选取大头贴的方法、电子设备与存储介质 |
CN113435248A (zh) * | 2021-05-18 | 2021-09-24 | 武汉天喻信息产业股份有限公司 | 口罩人脸识别底库增强方法、装置、设备及可读存储介质 |
CN113448955A (zh) * | 2021-08-30 | 2021-09-28 | 上海观安信息技术股份有限公司 | 数据集质量评估方法、装置、计算机设备及存储介质 |
CN113592807A (zh) * | 2021-07-28 | 2021-11-02 | 北京世纪好未来教育科技有限公司 | 一种训练方法、图像质量确定方法及装置、电子设备 |
CN115953819A (zh) * | 2022-12-28 | 2023-04-11 | 中国科学院自动化研究所 | 人脸识别模型的训练方法、装置、设备和存储介质 |
EP4064113A4 (en) * | 2019-11-22 | 2023-05-10 | Arcsoft Corporation Limited | USER INFORMATION DETECTION METHOD AND SYSTEM, AND ELECTRONIC DEVICE |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130294698A1 (en) * | 2010-12-21 | 2013-11-07 | Microsoft Corporation | Image quality assessment |
CN105631439A (zh) * | 2016-02-18 | 2016-06-01 | 北京旷视科技有限公司 | 人脸图像处理方法和装置 |
CN106897748A (zh) * | 2017-03-02 | 2017-06-27 | 上海极链网络科技有限公司 | 基于深层卷积神经网络的人脸质量评估方法和*** |
-
2018
- 2018-06-20 CN CN201810636925.3A patent/CN108960087A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130294698A1 (en) * | 2010-12-21 | 2013-11-07 | Microsoft Corporation | Image quality assessment |
CN105631439A (zh) * | 2016-02-18 | 2016-06-01 | 北京旷视科技有限公司 | 人脸图像处理方法和装置 |
CN106897748A (zh) * | 2017-03-02 | 2017-06-27 | 上海极链网络科技有限公司 | 基于深层卷积神经网络的人脸质量评估方法和*** |
Cited By (75)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109615627A (zh) * | 2018-12-14 | 2019-04-12 | 国网山东省电力公司信息通信公司 | 一种输变电巡检图像质量评价方法及*** |
CN109685785A (zh) * | 2018-12-20 | 2019-04-26 | 上海众源网络有限公司 | 一种图像质量评估方法、装置及电子设备 |
CN109670473A (zh) * | 2018-12-28 | 2019-04-23 | 深圳英飞拓智能技术有限公司 | 基于人脸抓图的优选方法及装置 |
CN109784230A (zh) * | 2018-12-29 | 2019-05-21 | 中国科学院重庆绿色智能技术研究院 | 一种人脸视频图像质量寻优方法、***及设备 |
CN109711390A (zh) * | 2019-01-17 | 2019-05-03 | 深圳英飞拓科技股份有限公司 | 人脸抠图图片的优选方法及装置 |
CN109871780B (zh) * | 2019-01-28 | 2023-02-10 | 中国科学院重庆绿色智能技术研究院 | 一种人脸质量判决方法、***及人脸识别方法、*** |
CN109871780A (zh) * | 2019-01-28 | 2019-06-11 | 中国科学院重庆绿色智能技术研究院 | 一种人脸质量判决方法、***及人脸识别方法、*** |
CN109934803A (zh) * | 2019-02-27 | 2019-06-25 | 上海城诗信息科技有限公司 | 一种基于深度学习的针对移动端拍摄低分辨率图片评分的方法 |
CN111652258A (zh) * | 2019-03-27 | 2020-09-11 | 上海铼锶信息技术有限公司 | 一种图像分类数据标注质量评估方法 |
CN111652258B (zh) * | 2019-03-27 | 2024-02-13 | 上海铼锶信息技术有限公司 | 一种图像分类数据标注质量评估方法 |
CN110163114A (zh) * | 2019-04-25 | 2019-08-23 | 厦门瑞为信息技术有限公司 | 一种人脸角度及人脸模糊度分析方法、***和计算机设备 |
CN110163114B (zh) * | 2019-04-25 | 2022-02-15 | 厦门瑞为信息技术有限公司 | 一种人脸角度及人脸模糊度分析方法、***和计算机设备 |
CN110097001A (zh) * | 2019-04-30 | 2019-08-06 | 恒睿(重庆)人工智能技术研究院有限公司 | 生成最佳多人脸图像的方法、***、设备及存储介质 |
CN110188627A (zh) * | 2019-05-13 | 2019-08-30 | 睿视智觉(厦门)科技有限公司 | 一种人脸图像过滤方法及装置 |
CN110188627B (zh) * | 2019-05-13 | 2021-11-23 | 睿视智觉(厦门)科技有限公司 | 一种人脸图像过滤方法及装置 |
CN110427859A (zh) * | 2019-05-31 | 2019-11-08 | 北京金山云网络技术有限公司 | 一种人脸检测方法、装置、电子设备及存储介质 |
CN110321843A (zh) * | 2019-07-04 | 2019-10-11 | 杭州视洞科技有限公司 | 一种基于深度学习的人脸择优算法 |
CN110321843B (zh) * | 2019-07-04 | 2021-11-09 | 杭州视洞科技有限公司 | 一种基于深度学习的人脸择优方法 |
CN110363753B (zh) * | 2019-07-11 | 2021-06-22 | 北京字节跳动网络技术有限公司 | 图像质量评估方法、装置及电子设备 |
CN110378883A (zh) * | 2019-07-11 | 2019-10-25 | 北京奇艺世纪科技有限公司 | 图像评价模型生成方法、图像数据处理方法、装置、计算机设备和存储介质 |
CN110363753A (zh) * | 2019-07-11 | 2019-10-22 | 北京字节跳动网络技术有限公司 | 图像质量评估方法、装置及电子设备 |
CN111028198A (zh) * | 2019-07-12 | 2020-04-17 | 北京达佳互联信息技术有限公司 | 图像质量评估方法、装置、终端及可读存储介质 |
CN111028198B (zh) * | 2019-07-12 | 2024-02-23 | 北京达佳互联信息技术有限公司 | 图像质量评估方法、装置、终端及可读存储介质 |
CN110516554A (zh) * | 2019-07-31 | 2019-11-29 | 杭州电子科技大学 | 一种多场景多字体中文文字检测识别方法 |
CN110428412A (zh) * | 2019-07-31 | 2019-11-08 | 北京奇艺世纪科技有限公司 | 图像质量的评价及模型生成方法、装置、设备和存储介质 |
CN110428412B (zh) * | 2019-07-31 | 2022-06-03 | 北京奇艺世纪科技有限公司 | 图像质量的评价及模型生成方法、装置、设备和存储介质 |
CN110516716A (zh) * | 2019-08-05 | 2019-11-29 | 西安电子科技大学 | 基于多分支相似度网络的无参考图像质量评价方法 |
CN110427888A (zh) * | 2019-08-05 | 2019-11-08 | 北京深醒科技有限公司 | 一种基于特征聚类的人脸质量评估方法 |
CN110516716B (zh) * | 2019-08-05 | 2021-11-09 | 西安电子科技大学 | 基于多分支相似度网络的无参考图像质量评价方法 |
EP4064113A4 (en) * | 2019-11-22 | 2023-05-10 | Arcsoft Corporation Limited | USER INFORMATION DETECTION METHOD AND SYSTEM, AND ELECTRONIC DEVICE |
CN110909690A (zh) * | 2019-11-26 | 2020-03-24 | 电子科技大学 | 一种基于区域生成的遮挡人脸图像检测方法 |
CN111046806A (zh) * | 2019-12-12 | 2020-04-21 | 天地伟业技术有限公司 | 异构图像人脸识别目标库生成方法 |
CN113010066A (zh) * | 2019-12-20 | 2021-06-22 | 华为技术有限公司 | 显示参数确定方法及装置 |
CN113010066B (zh) * | 2019-12-20 | 2022-11-11 | 华为技术有限公司 | 显示参数确定方法及装置 |
CN113129252A (zh) * | 2019-12-30 | 2021-07-16 | Tcl集团股份有限公司 | 一种图像评分方法及电子设备 |
CN110942072A (zh) * | 2019-12-31 | 2020-03-31 | 北京迈格威科技有限公司 | 基于质量评估的质量分、检测模型训练、检测方法及装置 |
CN110942072B (zh) * | 2019-12-31 | 2024-02-02 | 北京迈格威科技有限公司 | 基于质量评估的质量分、检测模型训练、检测方法及装置 |
CN111275682A (zh) * | 2020-01-19 | 2020-06-12 | 上海箱云物流科技有限公司 | 集装箱检测方法、装置及计算机可读存储介质 |
CN111275703B (zh) * | 2020-02-27 | 2023-10-27 | 腾讯科技(深圳)有限公司 | 图像检测方法、装置、计算机设备和存储介质 |
CN111275703A (zh) * | 2020-02-27 | 2020-06-12 | 腾讯科技(深圳)有限公司 | 图像检测方法、装置、计算机设备和存储介质 |
CN111369521A (zh) * | 2020-03-02 | 2020-07-03 | 名创优品(横琴)企业管理有限公司 | 一种基于图像质量的图像过滤方法和相关装置 |
CN111402229A (zh) * | 2020-03-16 | 2020-07-10 | 焦点科技股份有限公司 | 一种基于深度学习的图像评分的方法及*** |
CN111584044A (zh) * | 2020-05-14 | 2020-08-25 | 上海深至信息科技有限公司 | 一种标准超声图像训练集的生成方法及*** |
CN111584044B (zh) * | 2020-05-14 | 2023-07-14 | 上海深至信息科技有限公司 | 一种标准超声图像训练集的生成方法及*** |
WO2021232582A1 (zh) * | 2020-05-18 | 2021-11-25 | 五邑大学 | 多维度任务人脸美丽预测方法、***及存储介质 |
CN111695602A (zh) * | 2020-05-18 | 2020-09-22 | 五邑大学 | 多维度任务人脸美丽预测方法、***及存储介质 |
CN111695602B (zh) * | 2020-05-18 | 2021-06-08 | 五邑大学 | 多维度任务人脸美丽预测方法、***及存储介质 |
US11798266B2 (en) | 2020-05-18 | 2023-10-24 | Wuyi University | Multi-dimensional task facial beauty prediction method and system, and storage medium |
CN111914629B (zh) * | 2020-06-19 | 2024-06-11 | 北京百度网讯科技有限公司 | 为人脸识别生成训练数据的方法、装置、设备和存储介质 |
CN111914629A (zh) * | 2020-06-19 | 2020-11-10 | 北京百度网讯科技有限公司 | 为人脸识别生成训练数据的方法、装置、设备和存储介质 |
CN111814620B (zh) * | 2020-06-28 | 2023-08-15 | 浙江大华技术股份有限公司 | 人脸图像质量评价模型建立方法、优选方法、介质及装置 |
CN111814620A (zh) * | 2020-06-28 | 2020-10-23 | 浙江大华技术股份有限公司 | 人脸图像质量评价模型建立方法、优选方法、介质及装置 |
CN111862061A (zh) * | 2020-07-27 | 2020-10-30 | 携程旅游网络技术(上海)有限公司 | 图片美学质量的评估方法、***、设备和介质 |
CN112069887A (zh) * | 2020-07-31 | 2020-12-11 | 深圳市优必选科技股份有限公司 | 一种人脸识别方法、装置、终端设备及存储介质 |
CN112069887B (zh) * | 2020-07-31 | 2023-12-29 | 深圳市优必选科技股份有限公司 | 一种人脸识别方法、装置、终端设备及存储介质 |
CN111784693A (zh) * | 2020-08-12 | 2020-10-16 | 成都佳华物链云科技有限公司 | 一种图像质量评估方法、装置、电子设备及存储介质 |
CN112200010A (zh) * | 2020-09-15 | 2021-01-08 | 青岛邃智信息科技有限公司 | 一种社区监控场景下的人脸采集质量评估策略 |
CN112287770A (zh) * | 2020-10-10 | 2021-01-29 | 武汉大学 | 一种面向身份识别的人脸质量感知方法及*** |
CN112669289A (zh) * | 2020-12-30 | 2021-04-16 | 科大讯飞股份有限公司 | 影像质量评估方法、装置、电子设备及存储介质 |
CN112733680A (zh) * | 2020-12-31 | 2021-04-30 | 南京视察者智能科技有限公司 | 一种基于监控视频流生成高质量人脸图像的模型训练方法、提取方法、装置和终端设备 |
CN112733680B (zh) * | 2020-12-31 | 2024-02-13 | 南京视察者智能科技有限公司 | 一种基于监控视频流生成高质量人脸图像的模型训练方法、提取方法、装置和终端设备 |
CN113158777A (zh) * | 2021-03-08 | 2021-07-23 | 佳都新太科技股份有限公司 | 质量评分方法、质量评分模型的训练方法及相关装置 |
CN113066065A (zh) * | 2021-03-29 | 2021-07-02 | 中国科学院上海高等研究院 | 无参考图像质量检测方法、***、终端及介质 |
CN113066065B (zh) * | 2021-03-29 | 2023-08-04 | 中国科学院上海高等研究院 | 无参考图像质量检测方法、***、终端及介质 |
CN113255472A (zh) * | 2021-05-07 | 2021-08-13 | 北京睿芯高通量科技有限公司 | 一种基于随机嵌入稳定性的人脸质量评价方法及*** |
CN113255472B (zh) * | 2021-05-07 | 2024-05-24 | 北京中科通量科技有限公司 | 一种基于随机嵌入稳定性的人脸质量评价方法及*** |
CN113435248A (zh) * | 2021-05-18 | 2021-09-24 | 武汉天喻信息产业股份有限公司 | 口罩人脸识别底库增强方法、装置、设备及可读存储介质 |
CN113409281A (zh) * | 2021-06-24 | 2021-09-17 | 上海云从企业发展有限公司 | 基于深度模型的图像清晰度评估方法和装置 |
CN113592807A (zh) * | 2021-07-28 | 2021-11-02 | 北京世纪好未来教育科技有限公司 | 一种训练方法、图像质量确定方法及装置、电子设备 |
CN113592807B (zh) * | 2021-07-28 | 2024-04-09 | 北京世纪好未来教育科技有限公司 | 一种训练方法、图像质量确定方法及装置、电子设备 |
CN113435428B (zh) * | 2021-08-27 | 2021-12-31 | 深圳市爱深盈通信息技术有限公司 | 基于相册选取大头贴的方法、电子设备与存储介质 |
CN113435428A (zh) * | 2021-08-27 | 2021-09-24 | 深圳市爱深盈通信息技术有限公司 | 基于相册选取大头贴的方法、电子设备与存储介质 |
CN113448955A (zh) * | 2021-08-30 | 2021-09-28 | 上海观安信息技术股份有限公司 | 数据集质量评估方法、装置、计算机设备及存储介质 |
CN115953819B (zh) * | 2022-12-28 | 2023-08-15 | 中国科学院自动化研究所 | 人脸识别模型的训练方法、装置、设备和存储介质 |
CN115953819A (zh) * | 2022-12-28 | 2023-04-11 | 中国科学院自动化研究所 | 人脸识别模型的训练方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960087A (zh) | 一种基于多维度评估标准的人脸图像质量评估方法及*** | |
Rachmadi et al. | Vehicle color recognition using convolutional neural network | |
CN107545239B (zh) | 一种基于车牌识别与车辆特征匹配的套牌检测方法 | |
Tofighi et al. | Prior information guided regularized deep learning for cell nucleus detection | |
CN110264448B (zh) | 一种基于机器视觉的绝缘子故障检测方法 | |
CN106951869B (zh) | 一种活体验证方法及设备 | |
CN106096538A (zh) | 基于定序神经网络模型的人脸识别方法及装置 | |
CN107657249A (zh) | 多尺度特征行人重识别的方法、装置、存储介质及处理器 | |
CN107103317A (zh) | 基于图像融合和盲反卷积的模糊车牌图像识别算法 | |
CN109886161B (zh) | 一种基于可能性聚类和卷积神经网络的道路交通标识识别方法 | |
CN109840565A (zh) | 一种基于眼部轮廓特征点纵横比的眨眼检测方法 | |
CN107341688A (zh) | 一种客户体验的采集方法及*** | |
CN103679187B (zh) | 图像识别方法和*** | |
CN103035013A (zh) | 一种基于多特征融合的精确运动阴影检测方法 | |
CN104091169A (zh) | 基于多特征融合的行为识别方法 | |
CN112434562B (zh) | 口罩佩戴状态的检测方法、设备、电子装置和存储介质 | |
CN110263712A (zh) | 一种基于区域候选的粗精行人检测方法 | |
Li et al. | Comprehensive assessment of iris image quality | |
CN105989334A (zh) | 基于单目视觉的道路检测方法 | |
CN106991419A (zh) | 基于轮胎内壁随机纹理的防伪方法 | |
CN107665348A (zh) | 一种变电站数字仪表的数字识别方法和装置 | |
CN111105389A (zh) | 融合Gabor滤波器与卷积神经网络的路面裂缝的检测方法 | |
CN109859257A (zh) | 一种基于纹理方向性的皮肤图像纹理评估方法及*** | |
CN106898011A (zh) | 一种基于边缘检测来确定卷积神经网络卷积核数量的方法 | |
CN113205107A (zh) | 一种基于改进高效率网络的车型识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181207 |
|
RJ01 | Rejection of invention patent application after publication |