CN115798005A - 基准照片的处理方法及装置、处理器和电子设备 - Google Patents
基准照片的处理方法及装置、处理器和电子设备 Download PDFInfo
- Publication number
- CN115798005A CN115798005A CN202211502432.3A CN202211502432A CN115798005A CN 115798005 A CN115798005 A CN 115798005A CN 202211502432 A CN202211502432 A CN 202211502432A CN 115798005 A CN115798005 A CN 115798005A
- Authority
- CN
- China
- Prior art keywords
- age
- photo
- picture
- reference picture
- value
- 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
Images
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本申请公开了一种基准照片的处理方法及装置、处理器和电子设备，涉及人工智能技术领域。该方法包括：分别获取基准照片和现场照片对应的身份特征信息，其中，基准照片为人脸识别***中用于对目标对象进行人脸识别的照片，现场照片为现场采集的目标对象的照片，其中，目标对象为待进行人脸识别的对象；分别获取基准照片和现场照片对应的年龄特征信息；依据身份特征信息和年龄特征信息，对人脸识别***中的基准照片进行更新处理。通过本申请，解决了相关技术中难以根据年龄信息更新人脸识别***中用户的基准照片，导致人脸识别***使用基准照片进行人脸识别的准确性较低的问题。
Description
技术领域
本申请涉及人工智能技术领域，具体而言，涉及一种基准照片的处理方法及装置、处理器和电子设备。
背景技术
近年来，人工智能的技术和应用得到快速发展，借助人工智能方法提取生物特征信息来进行身份认证的技术逐渐成熟。并且，人脸作为固有的生物特征信息，被广泛应用于身份认证场景。但是，人脸会随着年龄的增长发生较大的改变，因此在实际应用过程中，随着年龄的增长，用户在人脸识别***中存放的基准照与现实的人脸照可能会存在较大的差距，进而导致人脸识别失败。因此，评估用户人脸识别***中的基准照跟现实照的年龄差距，及时提醒用户更新基准照，对于提升人脸识别***的性能具有重要意义。
而且，人脸识别***中的人脸比对模块一般使用***中存放的基准照与用户采集的现场照进行匹配，以确认用户的身份，因此基准照质量的好坏将直接影响***的性能。基准照质量可以从两个角度进行评估：一是图片本身的质量，如人脸图片是否清晰、人脸姿态是否正常等；二是基准照与用户本人的差距，这种差距是用户自身因素(如年龄的增长)引起的人脸变化而导致的。但是，相关技术中针对人脸图片，从人脸图片拍摄角度、图像模糊度、光照强度以及是否被遮挡等多个维度对人脸图片进行打分，得到人脸图片的整体评价。并且，图像模糊度和光照强度属于人脸图片本身质量范畴，而拍摄角度和人脸是否被遮挡属于图片内容范畴，本质上都是该图片本身质量问题，没有考虑人脸基准照和现场照之间的差距等因素。也即，相关技术中用于人脸图片质量评价的方法主要聚焦于图片本身的质量，如图片的清晰度、光照条件、人脸遮挡情况等，缺乏考虑基准照与用户本人的差距导致的质量问题。
针对相关技术中难以根据年龄信息更新人脸识别***中用户的基准照片，导致人脸识别***使用基准照片进行人脸识别的准确性较低的问题，目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种基准照片的处理方法及装置、处理器和电子设备，以解决相关技术中难以根据年龄信息更新人脸识别***中用户的基准照片，导致人脸识别***使用基准照片进行人脸识别的准确性较低的问题。
为了实现上述目的，根据本申请的一个方面，提供了一种基准照片的处理方法。该方法包括：分别获取基准照片和现场照片对应的身份特征信息，其中，所述基准照片为人脸识别***中用于对目标对象进行人脸识别的照片，所述现场照片为现场采集的所述目标对象的照片，其中，所述目标对象为待进行人脸识别的对象；分别获取所述基准照片和所述现场照片对应的年龄特征信息；依据所述身份特征信息和所述年龄特征信息，对所述人脸识别***中的所述基准照片进行更新处理。
进一步地，依据所述身份特征信息和所述年龄特征信息，对所述人脸识别***中的所述基准照片进行更新处理包括：依据所述身份特征信息，将所述基准照片和所述现场照片进行比对，得到比对结果；若所述比对结果表示所述基准照片和所述现场照片比对成功，则依据所述年龄特征信息，得到年龄差值的绝对值，其中，所述年龄差值为所述基准照片对应的第一年龄和所述现场照片对应的第二年龄之间的差值；依据所述年龄差值的绝对值，对所述人脸识别***中的所述基准照片进行更新处理。
进一步地，依据所述年龄差值的绝对值，对所述人脸识别***中的所述基准照片进行更新处理包括：判断所述年龄差值的绝对值是否大于第一预设阈值；若所述年龄差值的绝对值大于所述第一预设阈值，则对所述人脸识别***中的所述基准照片进行更新处理；若所述年龄差值的绝对值不大于所述第一预设阈值，则不对所述人脸识别***中的所述基准照片进行更新处理。
进一步地，依据所述身份特征信息，将所述基准照片和所述现场照片进行比对，得到比对结果包括：将所述身份特征信息输入身份识别模型进行识别，得到所述基准照片和所述现场照片之间的相似度；判断所述相似度是否大于第二预设阈值；若所述相似度大于所述第二预设阈值，则表示所述基准照片和所述现场照片比对成功；若所述相似度不大于所述第二预设阈值，则表示所述基准照片和所述现场照片比对失败。
进一步地，若所述比对结果表示所述基准照片和所述现场照片比对成功，则依据所述年龄特征信息，得到年龄差值的绝对值包括：若所述比对结果表示所述基准照片和所述现场照片比对成功，则将所述年龄特征信息输入年龄计算模型进行计算，得到所述基准照片对应的所述第一年龄和所述现场照片对应的所述第二年龄；计算所述第一年龄和所述第二年龄之间的差值，得到所述年龄差值；基于所述年龄差值，计算得到所述年龄差值的绝对值。
进一步地，分别获取基准照片和现场照片对应的年龄特征信息包括：分别将所述基准照片和所述现场照片输入目标模型进行处理，得到所述基准照片和所述现场照片对应的第一特征值；将所述第一特征值输入通道注意力模型，得到第二特征值；将所述第一特征值输入空间注意力模型，得到第三特征值；将所述第二特征值和所述第三特征值相加，得到注意力掩码；将所述第一特征值和所述注意力掩码相乘，得到所述基准照片和所述现场照片对应的所述年龄特征信息。
进一步地，分别获取所述基准照片和所述现场照片对应的身份特征信息包括：利用预设值减去所述注意力掩码，得到目标数值；将所述第一特征值和所述目标数值相乘，得到所述基准照片和所述现场照片对应的所述身份特征信息。
为了实现上述目的，根据本申请的另一方面，提供了一种基准照片的处理装置。该装置包括：第一获取单元，用于分别获取基准照片和现场照片对应的身份特征信息，其中，所述基准照片为人脸识别***中用于对目标对象进行人脸识别的照片，所述现场照片为现场采集的所述目标对象的照片，其中，所述目标对象为待进行人脸识别的对象；第二获取单元，用于分别获取所述基准照片和所述现场照片对应的年龄特征信息；第一处理单元，用于依据所述身份特征信息和所述年龄特征信息，对所述人脸识别***中的所述基准照片进行更新处理。
进一步地，所述第一处理单元包括：第一比对模块，用于依据所述身份特征信息，将所述基准照片和所述现场照片进行比对，得到比对结果；第一确定模块，用于若所述比对结果表示所述基准照片和所述现场照片比对成功，则依据所述年龄特征信息，得到年龄差值的绝对值，其中，所述年龄差值为所述基准照片对应的第一年龄和所述现场照片对应的第二年龄之间的差值；第一处理模块，用于依据所述年龄差值的绝对值，对所述人脸识别***中的所述基准照片进行更新处理。
进一步地，所述第一处理模块包括：第一判断子模块，用于判断所述年龄差值的绝对值是否大于第一预设阈值；第一处理子模块，用于若所述年龄差值的绝对值大于所述第一预设阈值，则对所述人脸识别***中的所述基准照片进行更新处理；第二处理子模块，用于若所述年龄差值的绝对值不大于所述第一预设阈值，则不对所述人脸识别***中的所述基准照片进行更新处理。
进一步地，所述第一比对模块包括：第一确定子模块，用于将所述身份特征信息输入身份识别模型进行识别，得到所述基准照片和所述现场照片之间的相似度；第二判断子模块，用于判断所述相似度是否大于第二预设阈值；第二确定子模块，用于若所述相似度大于所述第二预设阈值，则表示所述基准照片和所述现场照片比对成功；第三确定子模块，用于若所述相似度不大于所述第二预设阈值，则表示所述基准照片和所述现场照片比对失败。
进一步地，所述第一确定模块包括：第一计算子模块，用于若所述比对结果表示所述基准照片和所述现场照片比对成功，则将所述年龄特征信息输入年龄计算模型进行计算，得到所述基准照片对应的所述第一年龄和所述现场照片对应的所述第二年龄；第二计算子模块，用于计算所述第一年龄和所述第二年龄之间的差值，得到所述年龄差值；基于所述年龄差值，计算得到所述年龄差值的绝对值。
进一步地，所述第二获取单元包括：第二处理模块，用于分别将所述基准照片和所述现场照片输入目标模型进行处理，得到所述基准照片和所述现场照片对应的第一特征值；第一输入模块，用于将所述第一特征值输入通道注意力模型，得到第二特征值；第二输入模块，用于将所述第一特征值输入空间注意力模型，得到第三特征值；第一相加模块，用于将所述第二特征值和所述第三特征值相加，得到注意力掩码；第一相乘模块，用于将所述第一特征值和所述注意力掩码相乘，得到所述基准照片和所述现场照片对应的所述年龄特征信息。
进一步地，所述第一获取单元包括：第一相减模块，用于利用预设值减去所述注意力掩码，得到目标数值；第二相乘模块，用于将所述第一特征值和所述目标数值相乘，得到所述基准照片和所述现场照片对应的所述身份特征信息。
为了实现上述目的，根据本申请的另一方面，提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述的任意一项所述的基准照片的处理方法。
为了实现上述目的，根据本申请的另一方面，提供了一种电子设备，所述电子设备包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述的任意一项所述的基准照片的处理方法。
通过本申请，采用以下步骤：分别获取基准照片和现场照片对应的身份特征信息，其中，基准照片为人脸识别***中用于对目标对象进行人脸识别的照片，现场照片为现场采集的目标对象的照片，其中，目标对象为待进行人脸识别的对象；分别获取基准照片和现场照片对应的年龄特征信息；依据身份特征信息和年龄特征信息，对人脸识别***中的基准照片进行更新处理，解决了相关技术中难以根据年龄信息更新人脸识别***中用户的基准照片，导致人脸识别***使用基准照片进行人脸识别的准确性较低的问题。通过获取基准照片和现场照片分别对应的身份特征信息和年龄特征信息，再根据身份特征信息和年龄特征信息，对人脸识别***中的基准照片进行更新处理，从而可以根据年龄信息更新人脸识别***中用户的基准照片，进而达到了提升人脸识别***使用基准照片进行人脸识别的准确性的效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例提供的基准照片的处理方法的流程图；
图2是本申请实施例中特征提取与分离模块的框架图；
图3是本申请实施例中通道注意力机制的框架图；
图4是本申请实施例中空间注意力机制的框架图；
图5是根据本申请实施例提供的基准照片的处理方法的流程图一；
图6是根据本申请实施例提供的可选的基准照片的处理方法的流程图；
图7是根据本申请实施例提供的基准照片的处理装置的示意图；
图8是根据本申请实施例提供的电子设备的示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，本公开所涉及的相关信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。例如，本***和相关用户或机构间设置有接口，在获取相关信息之前，需要通过接口向前述的用户或机构发送获取请求，并在接收到前述的用户或机构反馈的同意信息后，获取相关信息。
下面结合优选的实施步骤对本发明进行说明，图1是根据本申请实施例提供的基准照片的处理方法的流程图，如图1所示，该方法包括如下步骤：
步骤S101，分别获取基准照片和现场照片对应的身份特征信息，其中，基准照片为人脸识别***中用于对目标对象进行人脸识别的照片，现场照片为现场采集的目标对象的照片，其中，目标对象为待进行人脸识别的对象。
例如，可以把人脸识别***中的基准照和现场采集的待进行人脸识别的客户的现场照分别输入特征提取与分离模块，得到基准照对应的身份相关特征和现场照对应的身份相关特征。而且，身份相关特征可以为表征身份的信息，比如面貌、头发等特征，并可以通过身份相关特征可以判断出基准照和现场照对应的是否为同一个人。
步骤S102，分别获取基准照片和现场照片对应的年龄特征信息。
例如，可以把基准照和现场照分别输入特征提取与分离模块，得到基准照对应的年龄相关特征和现场照对应的年龄相关特征。而且，根据年龄相关特征可以分别得到基准照对应的客户的年龄范围和现场照对应的该客户的年龄范围。
步骤S103，依据身份特征信息和年龄特征信息，对人脸识别***中的基准照片进行更新处理。
例如，如果根据身份相关特征判断出基准照和现场照对应的为同一个人，则再根据年龄相关特征，判断基准照和现场照之间的年龄差。且如果年龄差的绝对值大于预先设定的阈值，则提醒用户更新基准照，否则不更新基准照。
通过上述的步骤S101至S103，通过获取基准照片和现场照片分别对应的身份特征信息和年龄特征信息，再根据身份特征信息和年龄特征信息，对人脸识别***中的基准照片进行更新处理，从而可以根据年龄信息更新人脸识别***中用户的基准照片，进而达到了提升人脸识别***使用基准照片进行人脸识别的准确性的效果。
为了快速准确的得到基准照片和现场照片对应的年龄特征信息，在本申请实施例提供的基准照片的处理方法中，还可以通过以下步骤得到基准照片和现场照片对应的年龄特征信息：分别将基准照片和现场照片输入目标模型进行处理，得到基准照片和现场照片对应的第一特征值；将第一特征值输入通道注意力模型，得到第二特征值；将第一特征值输入空间注意力模型，得到第三特征值；将第二特征值和第三特征值相加，得到注意力掩码；将第一特征值和注意力掩码相乘，得到基准照片和现场照片对应的年龄特征信息。
例如，把基准照和现场照分别输入特征提取与分离模块，得到年龄相关特征和身份相关特征。而且，图2是本申请实施例中特征提取与分离模块的框架图，如图2所示，将图片X(基准照或者现场照)输入一个CNN网络(Convolutional Neural Network，卷积神经网络)得到混合特征F(X)，其中，CNN可以使用比较经典的网络模型，如ResNet(ResidualNetwork，残差网络)。再将混合特征F(X)分别输入通道注意力机制模型和空间注意力模型，并将两个模型的输出相加，得到注意力掩码A(F(X))，再将混合特征F(X)与注意力掩码相乘，得到年龄相关特征。具体计算方式如下：
F(X)＝Fage+Fid
＝F(X)*A(F(X))+F(X)*(1-A(F(X)))
A(X)＝C(X)+S(X)
其中，*表示元素级乘法，C(X)表示通道注意力模块，S(X)表示空间注意力模块，A(X)表示注意力机制模块(即通道注意力模块和空间注意力模块)，Fage表示年龄相关特征，Fid表示身份相关特征。其中，通道注意力机制可以使用CBAM(Convolutional BlockAttention Module，卷积模块的注意力机制模块)中的CAM(Channel attention module，通道注意力模块)，空间注意力机制可以使用CBAM中的SAM(Spatial attention module，空间注意力模块)，且通道注意力机制的计算方式如下：
其中，σ表示sigmoid激活函数(用作神经网络的激活函数)，AvgPool(X)表示通道方向的平均池化操作
MaxPool(X)表示通道方向的最大池化操作
其中的C都表示通道特征，W0和W1分别表示MLP(Multilayer Perceptron，多层感知器)隐藏层和输出层的权值，且W0的激活函数为Relu函数(Linear rectification function，线性整流函数)。
另外，空间注意力机制的计算方式如下：
其中，σ表示sigmoid激活函数，AvgPool(X)表示空间方向的平均池化操作，
MaxPool(X)表示空间方向的最大池化操作，
其中的H和W分别表示矩阵向量的维度，H表示长，W表示宽，f7x7表示7x7的卷积核(对应图4中的卷积层)，[.]表示连接操作。另外，图3是本申请实施例中通道注意力机制的框架图，图4是本申请实施例中空间注意力机制的框架图。而且，图3和图4中的输入特征X可以为基准照的年龄相关特征或者身份相关特征。
综上所述，加入注意力机制模型对CNN模型提取的特征进一步处理，获取注意力掩码，用于对特征进行分离，可以快速准确的得到年龄相关特征。
为了快速准确的得到基准照片和现场照片对应的身份特征信息，在本申请实施例提供的基准照片的处理方法中，还可以通过以下步骤得到基准照片和现场照片对应的身份特征信息：在本申请实施例提供的基准照片的处理方法中，分别获取基准照片和现场照片对应的身份特征信息包括：利用预设值减去注意力掩码，得到目标数值；将第一特征值和目标数值相乘，得到基准照片和现场照片对应的身份特征信息。
例如，把基准照和现场照分别输入特征提取与分离模块，得到年龄相关特征和身份相关特征。而且，如图2所示，将图片X(基准照或者现场照)输入一个CNN网络，得到混合特征F(X)，再将混合特征F(X)分别输入通道注意力机制模型和空间注意力模型，并将两个模型的输出相加，得到注意力掩码A(F(X))，再用1(上述的预设值)减去注意力掩码，再和混合特征F(X)相乘，得到身份相关特征。
通过上述的方案，使用图像领域应用十分成功的CNN提取人脸图像特征，有效避免人工鉴别方式中，主观因素的影响。同时，加入注意力机制模型对CNN模型提取的特征进一步处理，并获取注意力掩码，用于对特征进行分离，可以快速准确的得到身份相关特征。
图5是根据本申请实施例提供的基准照片的处理方法的流程图一，如图5所示，在本申请实施例提供的基准照片的处理方法中，依据身份特征信息和年龄特征信息，对人脸识别***中的基准照片进行更新处理包括：
步骤S501，依据身份特征信息，将基准照片和现场照片进行比对，得到比对结果；
步骤S502，若比对结果表示基准照片和现场照片比对成功，则依据年龄特征信息，得到年龄差值的绝对值，其中，年龄差值为基准照片对应的第一年龄和现场照片对应的第二年龄之间的差值；
步骤S503，依据年龄差值的绝对值，对人脸识别***中的基准照片进行更新处理。
例如，把得到的现场照和基准照的身份相关特征进行比对，若比对成功，说明现场照和基准照的用户是同一个人，则再将得到的年龄相关特征进行分类，得到现场照和基准照的具体年龄范围，并计算两个照片的年龄差的绝对值，若年龄差的绝对值大于阈值k，则提醒用户更新基准照，否则不需要更新照片，结束任务。
综上所述，使用年龄差的方式判断人脸识别***中图片的质量，提醒用户及时更新数据库基准照片，避免由于年龄增长引发的现场照与基准照之间的差距而导致的人脸识别失败，提升人脸识别***性能。
为了快速准确的依据身份特征信息，将基准照片和现场照片进行比对，得到比对结果，在本申请实施例提供的基准照片的处理方法中，还可以通过以下步骤依据身份特征信息，将基准照片和现场照片进行比对，得到比对结果：将身份特征信息输入身份识别模型进行识别，得到基准照片和现场照片之间的相似度；判断相似度是否大于第二预设阈值；若相似度大于第二预设阈值，则表示基准照片和现场照片比对成功；若相似度不大于第二预设阈值，则表示基准照片和现场照片比对失败。
例如，将处理好的身份相关的数据集输入身份识别模型中，然后身份识别模型输出两个输入图片的相似度，若相似度大于设定阈值γ(上述的第二预设阈值)，则认为两张图片的人脸属于同一个人，也即表示比对成功。若相似度不大于设定阈值γ(上述的第二预设阈值)，则认为两张图片的人脸不属于同一个人，也即表示比对失败。
另外，模型训练过程中，对于身份认证模型(身份识别模型)，数据集生成算法如下：
(1)设D为人脸原始数据集，D1为构建的训练数据集，然后从人脸原始数据集D中随机选择两张图像I1和I2，其中I1∈D和I2∈D；
(2)如果I1和I2属于同一张图片，返回步骤(1)；
(3)判断I1和I2是否是同一个人，如果不是同一个人，给定标签1，构成一对负样本Sp(I1，I2，1)；如果是同一个人，给定标签0，构成一对正样本Sn(I1，I2，0)；
(4)判断Sp和Sn是否在D1中，如果在，则返回步骤(1)，如果不在，则把Sp和Sn放入D1，返回步骤(1)，如此循环，直到D1中样本的数量达到预设值。
最后，训练数据集D1生成之后，将以上处理好的数据集输入模型中训练身份识别模型，身份识别模型输出的是两个输入图片的相似度，相似度大于设定阈值γ，则认为两张图片的人脸属于同一个人。
通过上述的方案，可以快速准确的比较基准照和现场照是否为同一个人。
为了快速准确的得到年龄差值的绝对值，在本申请实施例提供的基准照片的处理方法中，还可以通过以下步骤得到年龄差值的绝对值：若比对结果表示基准照片和现场照片比对成功，则将年龄特征信息输入年龄计算模型进行计算，得到基准照片对应的第一年龄和现场照片对应的第二年龄；计算第一年龄和第二年龄之间的差值，得到年龄差值；基于年龄差值，计算得到年龄差值的绝对值。
例如，将得到的年龄相关特征进行分类，得到现场照和基准照的具体年龄范围，并计算两个照片的年龄差，再对计算得到的年龄差取绝对值，得到上述的年龄差值的绝对值。
另外，模型训练过程中，对于年龄计算模型，标记数据的方法如下：
(1)根据采集数据的年龄，分为10个组，分别为0-10、11-20、21-30、31-40、41-50、51-60、61-70、71-80、81-90、90+；
(2)将标记好的数据输入模型中训练年龄分类模型，该模型的输出是预测用户的年龄范围，如21-30。
通过上述的方案，可以快速准确的得到基准照和现场照之间的年龄差值的绝对值。
为了快速准确的对人脸识别***中的基准照片进行更新处理，在本申请实施例提供的基准照片的处理方法中，还可以通过以下步骤对人脸识别***中的基准照片进行更新处理：判断年龄差值的绝对值是否大于第一预设阈值；若年龄差值的绝对值大于第一预设阈值，则对人脸识别***中的基准照片进行更新处理；若年龄差值的绝对值不大于第一预设阈值，则不对人脸识别***中的基准照片进行更新处理。
例如，在计算两个照片的年龄差之后，若年龄差的绝对值大于阈值k，则提醒用户更新基准照，否则不需要更新照片，结束任务。
通过上述的方案，从用户年龄差距角度评估基准照的质量，提醒用户及时更新***的照片，提升人脸识别***的性能。
例如，图6是根据本申请实施例提供的可选的基准照片的处理方法的流程图，如图6所示，可选的基准照片的处理方法主要包括特征提取与分离、特征比对、计算年龄差三部分，具体如下：
(1)特征提取与分离：把基准照和现场照分别输入特征提取与分离模块，得到年龄相关特征和身份相关特征；
(2)特征比对：把步骤(1)得到的现场照和基准照的身份相关特征进行比对，若比对成功，说明现场照和基准照的用户是同一个人，则进入步骤(3)；若现场照提取的特征和***中所有的基准照都比对失败，则认为***中不存在该用户的信息，身份认证失败；
(3)计算年龄差：将步骤(1)得到的年龄相关特征进行分类，得到现场照和基准照的具体年龄范围，并计算两个照片的年龄差的绝对值，若年龄差的绝对值大于阈值k，则提醒用户更新基准照，否则不需要更新照片，结束任务。
综上，本申请实施例提供的基准照片的处理方法，通过分别获取基准照片和现场照片对应的身份特征信息，其中，基准照片为人脸识别***中用于对目标对象进行人脸识别的照片，现场照片为现场采集的目标对象的照片，其中，目标对象为待进行人脸识别的对象；分别获取基准照片和现场照片对应的年龄特征信息；依据身份特征信息和年龄特征信息，对人脸识别***中的基准照片进行更新处理，解决了相关技术中难以根据年龄信息更新人脸识别***中用户的基准照片，导致人脸识别***使用基准照片进行人脸识别的准确性较低的问题。通过获取基准照片和现场照片分别对应的身份特征信息和年龄特征信息，再根据身份特征信息和年龄特征信息，对人脸识别***中的基准照片进行更新处理，从而可以根据年龄信息更新人脸识别***中用户的基准照片，进而达到了提升人脸识别***使用基准照片进行人脸识别的准确性的效果。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种基准照片的处理装置，需要说明的是，本申请实施例的基准照片的处理装置可以用于执行本申请实施例所提供的用于基准照片的处理方法。以下对本申请实施例提供的基准照片的处理装置进行介绍。
图7是根据本申请实施例的基准照片的处理装置的示意图。如图7所示，该装置包括：第一获取单元701、第二获取单元702和第一处理单元703。
具体地，第一获取单元701，用于分别获取基准照片和现场照片对应的身份特征信息，其中，基准照片为人脸识别***中用于对目标对象进行人脸识别的照片，现场照片为现场采集的目标对象的照片，其中，目标对象为待进行人脸识别的对象；
第二获取单元702，用于分别获取基准照片和现场照片对应的年龄特征信息；
第一处理单元703，用于依据身份特征信息和年龄特征信息，对人脸识别***中的基准照片进行更新处理。
综上，本申请实施例提供的基准照片的处理装置，通过第一获取单元701分别获取基准照片和现场照片对应的身份特征信息，其中，基准照片为人脸识别***中用于对目标对象进行人脸识别的照片，现场照片为现场采集的目标对象的照片，其中，目标对象为待进行人脸识别的对象；第二获取单元702分别获取基准照片和现场照片对应的年龄特征信息；第一处理单元703依据身份特征信息和年龄特征信息，对人脸识别***中的基准照片进行更新处理，解决了相关技术中难以根据年龄信息更新人脸识别***中用户的基准照片，导致人脸识别***使用基准照片进行人脸识别的准确性较低的问题。通过获取基准照片和现场照片分别对应的身份特征信息和年龄特征信息，再根据身份特征信息和年龄特征信息，对人脸识别***中的基准照片进行更新处理，从而可以根据年龄信息更新人脸识别***中用户的基准照片，进而达到了提升人脸识别***使用基准照片进行人脸识别的准确性的效果。
可选地，在本申请实施例提供的基准照片的处理装置中，第一处理单元包括：第一比对模块，用于依据身份特征信息，将基准照片和现场照片进行比对，得到比对结果；第一确定模块，用于若比对结果表示基准照片和现场照片比对成功，则依据年龄特征信息，得到年龄差值的绝对值，其中，年龄差值为基准照片对应的第一年龄和现场照片对应的第二年龄之间的差值；第一处理模块，用于依据年龄差值的绝对值，对人脸识别***中的基准照片进行更新处理。
可选地，在本申请实施例提供的基准照片的处理装置中，第一处理模块包括：第一判断子模块，用于判断年龄差值的绝对值是否大于第一预设阈值；第一处理子模块，用于若年龄差值的绝对值大于第一预设阈值，则对人脸识别***中的基准照片进行更新处理；第二处理子模块，用于若年龄差值的绝对值不大于第一预设阈值，则不对人脸识别***中的基准照片进行更新处理。
可选地，在本申请实施例提供的基准照片的处理装置中，第一比对模块包括：第一确定子模块，用于将身份特征信息输入身份识别模型进行识别，得到基准照片和现场照片之间的相似度；第二判断子模块，用于判断相似度是否大于第二预设阈值；第二确定子模块，用于若相似度大于第二预设阈值，则表示基准照片和现场照片比对成功；第三确定子模块，用于若相似度不大于第二预设阈值，则表示基准照片和现场照片比对失败。
可选地，在本申请实施例提供的基准照片的处理装置中，第一确定模块包括：第一计算子模块，用于若比对结果表示基准照片和现场照片比对成功，则将年龄特征信息输入年龄计算模型进行计算，得到基准照片对应的第一年龄和现场照片对应的第二年龄；第二计算子模块，用于计算第一年龄和第二年龄之间的差值，得到年龄差值；基于年龄差值，计算得到年龄差值的绝对值。
可选地，在本申请实施例提供的基准照片的处理装置中，第二获取单元包括：第二处理模块，用于分别将基准照片和现场照片输入目标模型进行处理，得到基准照片和现场照片对应的第一特征值；第一输入模块，用于将第一特征值输入通道注意力模型，得到第二特征值；第二输入模块，用于将第一特征值输入空间注意力模型，得到第三特征值；第一相加模块，用于将第二特征值和第三特征值相加，得到注意力掩码；第一相乘模块，用于将第一特征值和注意力掩码相乘，得到基准照片和现场照片对应的年龄特征信息。
可选地，在本申请实施例提供的基准照片的处理装置中，第一获取单元包括：第一相减模块，用于利用预设值减去注意力掩码，得到目标数值；第二相乘模块，用于将第一特征值和目标数值相乘，得到基准照片和现场照片对应的身份特征信息。
所述基准照片的处理装置包括处理器和存储器，上述第一获取单元701、第二获取单元702和第一处理单元703等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来提升人脸识别***使用基准照片进行人脸识别的准确性。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述基准照片的处理方法。
如图8所示，本发明实施例提供了一种电子设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：分别获取基准照片和现场照片对应的身份特征信息，其中，所述基准照片为人脸识别***中用于对目标对象进行人脸识别的照片，所述现场照片为现场采集的所述目标对象的照片，其中，所述目标对象为待进行人脸识别的对象；分别获取所述基准照片和所述现场照片对应的年龄特征信息；依据所述身份特征信息和所述年龄特征信息，对所述人脸识别***中的所述基准照片进行更新处理。
处理器执行程序时还实现以下步骤：依据所述身份特征信息和所述年龄特征信息，对所述人脸识别***中的所述基准照片进行更新处理包括：依据所述身份特征信息，将所述基准照片和所述现场照片进行比对，得到比对结果；若所述比对结果表示所述基准照片和所述现场照片比对成功，则依据所述年龄特征信息，得到年龄差值的绝对值，其中，所述年龄差值为所述基准照片对应的第一年龄和所述现场照片对应的第二年龄之间的差值；依据所述年龄差值的绝对值，对所述人脸识别***中的所述基准照片进行更新处理。
处理器执行程序时还实现以下步骤：依据所述年龄差值的绝对值，对所述人脸识别***中的所述基准照片进行更新处理包括：判断所述年龄差值的绝对值是否大于第一预设阈值；若所述年龄差值的绝对值大于所述第一预设阈值，则对所述人脸识别***中的所述基准照片进行更新处理；若所述年龄差值的绝对值不大于所述第一预设阈值，则不对所述人脸识别***中的所述基准照片进行更新处理。
处理器执行程序时还实现以下步骤：依据所述身份特征信息，将所述基准照片和所述现场照片进行比对，得到比对结果包括：将所述身份特征信息输入身份识别模型进行识别，得到所述基准照片和所述现场照片之间的相似度；判断所述相似度是否大于第二预设阈值；若所述相似度大于所述第二预设阈值，则表示所述基准照片和所述现场照片比对成功；若所述相似度不大于所述第二预设阈值，则表示所述基准照片和所述现场照片比对失败。
处理器执行程序时还实现以下步骤：若所述比对结果表示所述基准照片和所述现场照片比对成功，则依据所述年龄特征信息，得到年龄差值的绝对值包括：若所述比对结果表示所述基准照片和所述现场照片比对成功，则将所述年龄特征信息输入年龄计算模型进行计算，得到所述基准照片对应的所述第一年龄和所述现场照片对应的所述第二年龄；计算所述第一年龄和所述第二年龄之间的差值，得到所述年龄差值；基于所述年龄差值，计算得到所述年龄差值的绝对值。
处理器执行程序时还实现以下步骤：分别获取基准照片和现场照片对应的年龄特征信息包括：分别将所述基准照片和所述现场照片输入目标模型进行处理，得到所述基准照片和所述现场照片对应的第一特征值；将所述第一特征值输入通道注意力模型，得到第二特征值；将所述第一特征值输入空间注意力模型，得到第三特征值；将所述第二特征值和所述第三特征值相加，得到注意力掩码；将所述第一特征值和所述注意力掩码相乘，得到所述基准照片和所述现场照片对应的所述年龄特征信息。
处理器执行程序时还实现以下步骤：分别获取所述基准照片和所述现场照片对应的身份特征信息包括：利用预设值减去所述注意力掩码，得到目标数值；将所述第一特征值和所述目标数值相乘，得到所述基准照片和所述现场照片对应的所述身份特征信息。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：分别获取基准照片和现场照片对应的身份特征信息，其中，所述基准照片为人脸识别***中用于对目标对象进行人脸识别的照片，所述现场照片为现场采集的所述目标对象的照片，其中，所述目标对象为待进行人脸识别的对象；分别获取所述基准照片和所述现场照片对应的年龄特征信息；依据所述身份特征信息和所述年龄特征信息，对所述人脸识别***中的所述基准照片进行更新处理。
当在数据处理设备上执行时，还适于执行初始化有如下方法步骤的程序：依据所述身份特征信息和所述年龄特征信息，对所述人脸识别***中的所述基准照片进行更新处理包括：依据所述身份特征信息，将所述基准照片和所述现场照片进行比对，得到比对结果；若所述比对结果表示所述基准照片和所述现场照片比对成功，则依据所述年龄特征信息，得到年龄差值的绝对值，其中，所述年龄差值为所述基准照片对应的第一年龄和所述现场照片对应的第二年龄之间的差值；依据所述年龄差值的绝对值，对所述人脸识别***中的所述基准照片进行更新处理。
当在数据处理设备上执行时，还适于执行初始化有如下方法步骤的程序：依据所述年龄差值的绝对值，对所述人脸识别***中的所述基准照片进行更新处理包括：判断所述年龄差值的绝对值是否大于第一预设阈值；若所述年龄差值的绝对值大于所述第一预设阈值，则对所述人脸识别***中的所述基准照片进行更新处理；若所述年龄差值的绝对值不大于所述第一预设阈值，则不对所述人脸识别***中的所述基准照片进行更新处理。
当在数据处理设备上执行时，还适于执行初始化有如下方法步骤的程序：依据所述身份特征信息，将所述基准照片和所述现场照片进行比对，得到比对结果包括：将所述身份特征信息输入身份识别模型进行识别，得到所述基准照片和所述现场照片之间的相似度；判断所述相似度是否大于第二预设阈值；若所述相似度大于所述第二预设阈值，则表示所述基准照片和所述现场照片比对成功；若所述相似度不大于所述第二预设阈值，则表示所述基准照片和所述现场照片比对失败。
当在数据处理设备上执行时，还适于执行初始化有如下方法步骤的程序：若所述比对结果表示所述基准照片和所述现场照片比对成功，则依据所述年龄特征信息，得到年龄差值的绝对值包括：若所述比对结果表示所述基准照片和所述现场照片比对成功，则将所述年龄特征信息输入年龄计算模型进行计算，得到所述基准照片对应的所述第一年龄和所述现场照片对应的所述第二年龄；计算所述第一年龄和所述第二年龄之间的差值，得到所述年龄差值；基于所述年龄差值，计算得到所述年龄差值的绝对值。
当在数据处理设备上执行时，还适于执行初始化有如下方法步骤的程序：分别获取基准照片和现场照片对应的年龄特征信息包括：分别将所述基准照片和所述现场照片输入目标模型进行处理，得到所述基准照片和所述现场照片对应的第一特征值；将所述第一特征值输入通道注意力模型，得到第二特征值；将所述第一特征值输入空间注意力模型，得到第三特征值；将所述第二特征值和所述第三特征值相加，得到注意力掩码；将所述第一特征值和所述注意力掩码相乘，得到所述基准照片和所述现场照片对应的所述年龄特征信息。
当在数据处理设备上执行时，还适于执行初始化有如下方法步骤的程序：分别获取所述基准照片和所述现场照片对应的身份特征信息包括：利用预设值减去所述注意力掩码，得到目标数值；将所述第一特征值和所述目标数值相乘，得到所述基准照片和所述现场照片对应的所述身份特征信息。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、***或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基准照片的处理方法，其特征在于，包括：
分别获取基准照片和现场照片对应的身份特征信息，其中，所述基准照片为人脸识别***中用于对目标对象进行人脸识别的照片，所述现场照片为现场采集的所述目标对象的照片，其中，所述目标对象为待进行人脸识别的对象；
分别获取所述基准照片和所述现场照片对应的年龄特征信息；
依据所述身份特征信息和所述年龄特征信息，对所述人脸识别***中的所述基准照片进行更新处理。
2.根据权利要求1所述的方法，其特征在于，依据所述身份特征信息和所述年龄特征信息，对所述人脸识别***中的所述基准照片进行更新处理包括：
依据所述身份特征信息，将所述基准照片和所述现场照片进行比对，得到比对结果；
若所述比对结果表示所述基准照片和所述现场照片比对成功，则依据所述年龄特征信息，得到年龄差值的绝对值，其中，所述年龄差值为所述基准照片对应的第一年龄和所述现场照片对应的第二年龄之间的差值；
依据所述年龄差值的绝对值，对所述人脸识别***中的所述基准照片进行更新处理。
3.根据权利要求2所述的方法，其特征在于，依据所述年龄差值的绝对值，对所述人脸识别***中的所述基准照片进行更新处理包括：
判断所述年龄差值的绝对值是否大于第一预设阈值；
若所述年龄差值的绝对值大于所述第一预设阈值，则对所述人脸识别***中的所述基准照片进行更新处理；
若所述年龄差值的绝对值不大于所述第一预设阈值，则不对所述人脸识别***中的所述基准照片进行更新处理。
4.根据权利要求2所述的方法，其特征在于，依据所述身份特征信息，将所述基准照片和所述现场照片进行比对，得到比对结果包括：
将所述身份特征信息输入身份识别模型进行识别，得到所述基准照片和所述现场照片之间的相似度；
判断所述相似度是否大于第二预设阈值；
若所述相似度大于所述第二预设阈值，则表示所述基准照片和所述现场照片比对成功；
若所述相似度不大于所述第二预设阈值，则表示所述基准照片和所述现场照片比对失败。
5.根据权利要求2所述的方法，其特征在于，若所述比对结果表示所述基准照片和所述现场照片比对成功，则依据所述年龄特征信息，得到年龄差值的绝对值包括：
若所述比对结果表示所述基准照片和所述现场照片比对成功，则将所述年龄特征信息输入年龄计算模型进行计算，得到所述基准照片对应的所述第一年龄和所述现场照片对应的所述第二年龄；
计算所述第一年龄和所述第二年龄之间的差值，得到所述年龄差值；
基于所述年龄差值，计算得到所述年龄差值的绝对值。
6.根据权利要求1所述的方法，其特征在于，分别获取基准照片和现场照片对应的年龄特征信息包括：
分别将所述基准照片和所述现场照片输入目标模型进行处理，得到所述基准照片和所述现场照片对应的第一特征值；
将所述第一特征值输入通道注意力模型，得到第二特征值；
将所述第一特征值输入空间注意力模型，得到第三特征值；
将所述第二特征值和所述第三特征值相加，得到注意力掩码；
将所述第一特征值和所述注意力掩码相乘，得到所述基准照片和所述现场照片对应的所述年龄特征信息。
7.根据权利要求6所述的方法，其特征在于，分别获取所述基准照片和所述现场照片对应的身份特征信息包括：
利用预设值减去所述注意力掩码，得到目标数值；
将所述第一特征值和所述目标数值相乘，得到所述基准照片和所述现场照片对应的所述身份特征信息。
8.一种基准照片的处理装置，其特征在于，包括：
第一获取单元，用于分别获取基准照片和现场照片对应的身份特征信息，其中，所述基准照片为人脸识别***中用于对目标对象进行人脸识别的照片，所述现场照片为现场采集的所述目标对象的照片，其中，所述目标对象为待进行人脸识别的对象；
第二获取单元，用于分别获取所述基准照片和所述现场照片对应的年龄特征信息；
第一处理单元，用于依据所述身份特征信息和所述年龄特征信息，对所述人脸识别***中的所述基准照片进行更新处理。
9.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的基准照片的处理方法。
10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任意一项所述的基准照片的处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211502432.3A CN115798005A (zh) | 2022-11-28 | 2022-11-28 | 基准照片的处理方法及装置、处理器和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211502432.3A CN115798005A (zh) | 2022-11-28 | 2022-11-28 | 基准照片的处理方法及装置、处理器和电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115798005A true CN115798005A (zh) | 2023-03-14 |
Family
ID=85442269
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211502432.3A Pending CN115798005A (zh) | 2022-11-28 | 2022-11-28 | 基准照片的处理方法及装置、处理器和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115798005A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117058803A (zh) * | 2023-10-13 | 2023-11-14 | 浪潮智慧科技创新(山东)有限公司 | 一种基于深度学习的智能化数据采集方法及采集*** |
-
2022
- 2022-11-28 CN CN202211502432.3A patent/CN115798005A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117058803A (zh) * | 2023-10-13 | 2023-11-14 | 浪潮智慧科技创新(山东)有限公司 | 一种基于深度学习的智能化数据采集方法及采集*** |
| CN117058803B (zh) * | 2023-10-13 | 2024-01-05 | 浪潮智慧科技创新(山东)有限公司 | 一种基于深度学习的智能化数据采集方法及采集*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6798183B2 (ja) | 画像解析装置、画像解析方法およびプログラム | |
| CN110378235B (zh) | 一种模糊人脸图像识别方法、装置及终端设备 | |
| CN109416727B (zh) | 一种人脸图像中眼镜去除方法及装置 | |
| CN112950581B (zh) | 质量评估方法、装置和电子设备 | |
| CN110807757B (zh) | 基于人工智能的图像质量评估方法、装置及计算机设备 | |
| TW202008310A (zh) | 雙目圖像的深度估計方法及裝置、設備、程式及介質 | |
| CN111695421B (zh) | 图像识别方法、装置及电子设备 | |
| CN112418195B (zh) | 一种人脸关键点检测方法、装置、电子设备及存储介质 | |
| CN111738243A (zh) | 人脸图像的选择方法、装置、设备及存储介质 | |
| CN108665421B (zh) | 人脸图像高光分量去除装置和方法、存储介质产品 | |
| Abiko et al. | Single image reflection removal based on GAN with gradient constraint | |
| CN113179421B (zh) | 视频封面选择方法、装置、计算机设备和存储介质 | |
| CN111914908A (zh) | 一种图像识别模型训练方法、图像识别方法及相关设备 | |
| CN110648289A (zh) | 图像的加噪处理方法及装置 | |
| Park et al. | An optimal low dynamic range image generation method using a neural network | |
| CN113505797A (zh) | 模型训练方法、装置、计算机设备和存储介质 | |
| CN116797504A (zh) | 图像融合方法、电子设备及存储介质 | |
| CN115798005A (zh) | 基准照片的处理方法及装置、处理器和电子设备 | |
| Chen et al. | Learning to rank retargeted images | |
| CN115115552B (zh) | 图像矫正模型训练及图像矫正方法、装置和计算机设备 | |
| CN116797505A (zh) | 图像融合方法、电子设备及存储介质 | |
| CN116977260A (zh) | 目标物的缺陷检测方法、装置、电子设备及存储介质 | |
| CN110019951B (zh) | 一种生成视频缩略图的方法及设备 | |
| CN111353330A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| Gomez-Nieto et al. | Quality aware features for performance prediction and time reduction in video object tracking |
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 |