JP2016538656A - 顔画像認識のための方法とシステム - Google Patents
顔画像認識のための方法とシステム Download PDFInfo
- Publication number
- JP2016538656A JP2016538656A JP2016540679A JP2016540679A JP2016538656A JP 2016538656 A JP2016538656 A JP 2016538656A JP 2016540679 A JP2016540679 A JP 2016540679A JP 2016540679 A JP2016540679 A JP 2016540679A JP 2016538656 A JP2016538656 A JP 2016538656A
- Authority
- JP
- Japan
- Prior art keywords
- face
- convolutional neural
- identity
- feature
- features
- 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.)
- Granted
Links
- 230000001815 facial effect Effects 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 70
- 238000000605 extraction Methods 0.000 claims abstract description 13
- 238000011176 pooling Methods 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 description 14
- 238000010586 diagram Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 210000004205 output neuron Anatomy 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 210000002364 input neuron Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
- G06V10/7747—Organisation of the process, e.g. bagging or boosting
-
- 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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Biodiversity & Conservation Biology (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
Description
で表われることができる。
式中、*は畳み込みを表し、xiおよびyjはそれぞれ第iの入力マップおよび第jの出力マップであり、kijは、第iの入力マップと第jの出力マップとを連続する畳み込みのカーネル(フィルタ)であり、且つbjは、第jの出力マップのバイアスであり、max(0, )は、非線形活性化関数であり、要素ごとに動作されている。このような非線形度を有するニューロンは、整流線形ユニット(rectified linear units)と呼ばれる。なお、比較的高い畳み込み層における同じマップの中のニューロンの重み(畳み込みカーネルとバイアスが含まれる)は、局所的に共有されている。上付きの「r」は、その重みが共有された局所的な領域を示す。顔は、構造化された対象であるため、比較的高い層において重みを局所的に共有することは、ネットワークが異なる位置において異なる高水準特徴を習得することを可能とする。
で表される。
i=1,2について、ここで、xiは、出力ニューロンiの総入力マップであり、且つ、yiは、出力ニューロンiの出力である。yiは、2つの分類(class)の確率分布を表し、すなわち同じ身元に所属するか否か。このような確率分布では、複数の畳み込みニューラルネットワークの出力を、スケーリングしないままで、直接に平均するように効率的にさせる。畳み込みニューラルネットワークは、最小化の−log yiにより訓練され、その中で、t∈{1,2}は、ターゲット分類を示す。損失は、確率的勾配降下により最小化され、ここで、勾配が逆伝搬によって計算される。
として明らかに表示されることができ、
その中で、cは、第cのクラスを示す。
Claims (13)
- 比較・認識すべき顔画像の1つ以上の顔領域ペアを生成する生成ステップと、
各顔領域ペアの2つの顔領域を交換して各顔領域ペアの各顔領域を水平に反転させることにより、複数の特徴モードを形成する形成ステップと、
1つ以上の畳み込みニューラルネットワークにより、前記複数の特徴モードを受信し、ここで、各特徴モードが複数の入力マップを形成する受信ステップと、
比較された顔画像の身元関係を反映する複数の出力マップを形成するように、前記1つ以上の畳み込みニューラルネットワークにより、前記入力マップから1つ以上の身元関係特徴を抽出する抽出ステップと、
前記顔画像の前記身元関係特徴に基いて前記顔画像が同じ身元に所属するか否かを認識する認識ステップと、を含むことを特徴とする顔画像認識のための方法。 - 前記生成ステップは、
認識すべき前記顔画像の複数の顔特徴点を検出するステップと、
検出された1つ以上の顔特徴点に基いて、認識すべき前記顔画像を位置合わせするステップと、
位置合わせされた顔画像の同じ位置における複数の領域を選択してそれぞれ1つ以上の顔領域ペアを生成するステップとを、さらに含むことを特徴とする請求項1に記載の方法。 - 前記畳み込みニューラルネットワークは、複数の畳み込み層を含み、前記身元関係特徴は、局所ローレベル関係特徴および大局ハイレベル関係特徴を含み、
前記抽出ステップは、
前記畳み込みニューラルネットワークの比較的低い畳み込み層における入力マップから、局所ローレベル関係特徴を抽出するステップと、
抽出された局所ローレベル関係特徴に基いて前記畳み込みニューラルネットワークの後続層から、比較された顔画像の身元類似性を反映する大局ハイレベル関係特徴を抽出するステップと、を含むことを特徴とする請求項1に記載の方法。 - 前記抽出ステップの後で前記認識ステップの前に、前記方法は、
抽出された関係特徴をプーリングして安定でコンパクトな関係特徴を取得するステップをさらに含むことを特徴とする請求項1に記載の方法。 - 前記抽出ステップは、
同じ畳み込みニューラルネットワークにより、異なる入力特徴モードで構成された入力マップから前記身元関係特徴を抽出するステップ、或いは、
異なる畳み込みニューラルネットワークにより、異なる顔領域ペアの同じ領域から前記身元関係特徴を抽出するステップを含むことを特徴とする請求項1に記載の方法。 - 前記顔領域ペアの各顔領域は、複数の色チャンネルを含み、各顔領域における各色チャンネルは、前記畳み込みニューラルネットワークにおいて入力マップを形成することを特徴とする請求項1に記載の方法。
- 比較・認識すべき顔画像の1つ以上の顔領域ペアを生成するように構成された生成ユニットと、
各顔領域ペアの2つの顔領域を交換して各顔領域ペアの各顔領域を水平に反転させることにより、複数の特徴モードを形成するように構成された形成ユニットと、
各特徴モードが複数の入力マップを形成する前記複数の特徴モードを受信し、さらに、比較された顔画像の身元類似性を反映する身元関係特徴を、前記入力マップから階層的に抽出するように構成された1つ以上の畳み込みニューラルネットワークと、
比較された顔画像の前記身元関係特徴に基いて前記顔画像が同じ身元に所属するか否かを認識するように構成された認識ユニットと、を含むことを特徴とする顔画像認識のためのシステム。 - 前記生成ユニットは、
認識すべき顔画像の複数の顔特徴点を検出するように構成された検出モジュールと、
前記検出された顔特徴点に基いて、認識すべき前記顔画像を位置合わせするように構成された位置合わせモジュールと、
位置合わせされた認識すべき顔画像の同じ位置における1つ以上の領域を選択し、それぞれ1つ以上の顔領域ペアを生成するように構成された選択モジュールと、を含むことを特徴とする請求項7に記載のシステム。 - 前記畳み込みニューラルネットワークは、複数の畳み込み層を含み、前記身元関係特徴は、局所ローレベル関係特徴および大局ハイレベル関係特徴を含み、
前記畳み込み層はいずれも、
前記畳み込みニューラルネットワークの比較的低い畳み込み層における入力マップから、局所ローレベル関係特徴を抽出し、
抽出された局所ローレベル関係特徴に基いて前記畳み込みニューラルネットワークの後続層から、前記顔画像の身元類似性を反映する大局ハイレベル関係特徴を抽出するようにさらに構成されたことを特徴とする請求項7に記載のシステム。 - 抽出された関係特徴をプーリングして安定でコンパクトな関係特徴を取得するように構成されたプーリングユニットを、さらに含むことを特徴とする請求項7に記載のシステム。
- 前記畳み込み層はいずれも、
同じ畳み込みニューラルネットワークにより、異なる入力特徴モードで構成された入力マップから前記身元関係特徴を抽出するように、或いは
異なる畳み込みニューラルネットワークにより、異なる顔領域ペアの同じ領域から前記身元関係特徴を抽出するようにさらに構成された請求項7に記載のシステム。 - 前記顔領域ペアの各顔領域は、複数の色チャンネルを含み、各顔領域における各色チャンネルは、前記畳み込みニューラルネットワークにおいて入力マップを形成することを特徴とする請求項7に記載のシステム。
- 顔画像認識システムに用いられる身元関係特徴を抽出するための複数の畳み込みニューラルネットワークであって、各畳み込みニューラルネットワークは、複数の畳み込み層を含み、前記身元関係特徴は、局所ローレベル関係特徴および大局ハイレベル関係特徴を含み、
各畳み込みニューラルネットワークは、
前記顔画像認識システムから1つの特定の顔領域ペアの1つの特定の特徴モードを受信して複数の入力マップを形成し、
前記畳み込みニューラルネットワークの比較的低い畳み込み層における前記入力マップから、局所ローレベル関係特徴を抽出し、
抽出された局所ローレベル関係特徴に基いて前記畳み込みニューラルネットワークの後続層から、比較された顔画像の身元類似性を反映する大局ハイレベル関係特徴を抽出するように構成されたことを特徴とする複数の畳み込みニューラルネットワーク。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2013/088254 WO2015078018A1 (en) | 2013-11-30 | 2013-11-30 | Method and system for face image recognition |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016538656A true JP2016538656A (ja) | 2016-12-08 |
JP6127214B2 JP6127214B2 (ja) | 2017-05-10 |
Family
ID=53198257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016540679A Active JP6127214B2 (ja) | 2013-11-30 | 2013-11-30 | 顔画像認識のための方法とシステム |
Country Status (7)
Country | Link |
---|---|
US (1) | US9530047B1 (ja) |
EP (1) | EP3074918B1 (ja) |
JP (1) | JP6127214B2 (ja) |
KR (1) | KR20160083127A (ja) |
CN (1) | CN105849747B (ja) |
HK (2) | HK1223439A1 (ja) |
WO (1) | WO2015078018A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020071008A1 (ja) * | 2018-10-03 | 2020-04-09 | 株式会社日立製作所 | 生体認証システム、生体認証方法およびプログラム |
Families Citing this family (74)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105849747B (zh) | 2013-11-30 | 2018-08-17 | 北京市商汤科技开发有限公司 | 用于人脸图像识别的方法和*** |
US9978014B2 (en) * | 2013-12-18 | 2018-05-22 | Intel Corporation | Reconfigurable processing unit |
EP3186753B1 (en) | 2014-08-29 | 2021-04-28 | Google LLC | Processing images using deep neural networks |
US10387773B2 (en) * | 2014-10-27 | 2019-08-20 | Ebay Inc. | Hierarchical deep convolutional neural network for image classification |
WO2016074247A1 (en) * | 2014-11-15 | 2016-05-19 | Beijing Kuangshi Technology Co., Ltd. | Face detection using machine learning |
KR102486699B1 (ko) | 2014-12-15 | 2023-01-11 | 삼성전자주식회사 | 영상 인식 방법, 영상 검증 방법, 장치, 및 영상 인식 및 검증에 대한 학습 방법 및 장치 |
US10346726B2 (en) * | 2014-12-15 | 2019-07-09 | Samsung Electronics Co., Ltd. | Image recognition method and apparatus, image verification method and apparatus, learning method and apparatus to recognize image, and learning method and apparatus to verify image |
US10127439B2 (en) * | 2015-01-15 | 2018-11-13 | Samsung Electronics Co., Ltd. | Object recognition method and apparatus |
JP2016146174A (ja) * | 2015-02-06 | 2016-08-12 | パナソニックIpマネジメント株式会社 | 決定方法およびプログラム |
CA2983749C (en) * | 2015-05-11 | 2021-12-28 | Magic Leap, Inc. | Devices, methods and systems for biometric user recognition utilizing neural networks |
WO2017015649A1 (en) * | 2015-07-23 | 2017-01-26 | Mireplica Technology, Llc | Performance enhancement for two-dimensional array processor |
US10387531B1 (en) * | 2015-08-18 | 2019-08-20 | Google Llc | Processing structured documents using convolutional neural networks |
US10860887B2 (en) * | 2015-11-16 | 2020-12-08 | Samsung Electronics Co., Ltd. | Method and apparatus for recognizing object, and method and apparatus for training recognition model |
US11003954B2 (en) * | 2016-01-19 | 2021-05-11 | Nec Corporation | Information processing device, information processing method, and recording medium |
WO2017142629A1 (en) | 2016-02-18 | 2017-08-24 | Google Inc. | Image classification neural networks |
WO2017156547A1 (en) | 2016-03-11 | 2017-09-14 | Magic Leap, Inc. | Structure learning in convolutional neural networks |
CN108885683B (zh) * | 2016-03-28 | 2020-05-22 | 北京市商汤科技开发有限公司 | 用于位姿估计的方法和*** |
EP3439288B1 (en) | 2016-03-30 | 2024-04-10 | Nikon Corporation | Feature extraction element, feature extraction system, and determination apparatus |
US10049307B2 (en) * | 2016-04-04 | 2018-08-14 | International Business Machines Corporation | Visual object recognition |
US10032067B2 (en) | 2016-05-28 | 2018-07-24 | Samsung Electronics Co., Ltd. | System and method for a unified architecture multi-task deep learning machine for object recognition |
US10579860B2 (en) * | 2016-06-06 | 2020-03-03 | Samsung Electronics Co., Ltd. | Learning model for salient facial region detection |
CN106127120B (zh) * | 2016-06-16 | 2018-03-13 | 北京市商汤科技开发有限公司 | 姿势估计方法和装置、计算机*** |
US10990658B2 (en) * | 2016-07-11 | 2021-04-27 | Samsung Electronics Co., Ltd. | Method and apparatus for verifying user using multiple biometric verifiers |
KR102547820B1 (ko) * | 2016-07-11 | 2023-06-27 | 삼성전자주식회사 | 복수의 생체 인증기들을 이용한 사용자 인증 방법 및 그 장치 |
WO2018033137A1 (zh) * | 2016-08-19 | 2018-02-22 | 北京市商汤科技开发有限公司 | 在视频图像中展示业务对象的方法、装置和电子设备 |
US11526757B2 (en) * | 2016-09-19 | 2022-12-13 | Intrinsic Innovation Llc | Systems and methods for deep learning with small training sets |
US10346723B2 (en) * | 2016-11-01 | 2019-07-09 | Snap Inc. | Neural network for object detection in images |
KR20180060257A (ko) * | 2016-11-28 | 2018-06-07 | 삼성전자주식회사 | 객체 인식 방법 및 장치 |
CN106780906B (zh) * | 2016-12-28 | 2019-06-21 | 北京品恩科技股份有限公司 | 一种基于深度卷积神经网络的人证合一识别方法及*** |
US11537869B2 (en) * | 2017-02-17 | 2022-12-27 | Twitter, Inc. | Difference metric for machine learning-based processing systems |
US9953236B1 (en) * | 2017-03-10 | 2018-04-24 | TuSimple | System and method for semantic segmentation using dense upsampling convolution (DUC) |
US10679083B2 (en) | 2017-03-27 | 2020-06-09 | Samsung Electronics Co., Ltd. | Liveness test method and apparatus |
US10902244B2 (en) | 2017-03-27 | 2021-01-26 | Samsung Electronics Co., Ltd. | Apparatus and method for image processing |
US10783394B2 (en) | 2017-06-20 | 2020-09-22 | Nvidia Corporation | Equivariant landmark transformation for landmark localization |
CN107633218B (zh) * | 2017-09-08 | 2021-06-08 | 百度在线网络技术(北京)有限公司 | 用于生成图像的方法和装置 |
CN108229363A (zh) * | 2017-12-27 | 2018-06-29 | 北京市商汤科技开发有限公司 | 关键帧调度方法和装置、电子设备、程序和介质 |
CN108537117B (zh) * | 2018-03-06 | 2022-03-11 | 哈尔滨思派科技有限公司 | 一种基于深度学习的乘客检测方法和*** |
US11170084B2 (en) | 2018-06-28 | 2021-11-09 | Private Identity Llc | Biometric authentication |
US10938852B1 (en) | 2020-08-14 | 2021-03-02 | Private Identity Llc | Systems and methods for private authentication with helper networks |
US11489866B2 (en) | 2018-03-07 | 2022-11-01 | Private Identity Llc | Systems and methods for private authentication with helper networks |
US11394552B2 (en) | 2018-03-07 | 2022-07-19 | Private Identity Llc | Systems and methods for privacy-enabled biometric processing |
US11392802B2 (en) * | 2018-03-07 | 2022-07-19 | Private Identity Llc | Systems and methods for privacy-enabled biometric processing |
US10721070B2 (en) | 2018-03-07 | 2020-07-21 | Private Identity Llc | Systems and methods for privacy-enabled biometric processing |
US11502841B2 (en) | 2018-03-07 | 2022-11-15 | Private Identity Llc | Systems and methods for privacy-enabled biometric processing |
US11138333B2 (en) | 2018-03-07 | 2021-10-05 | Private Identity Llc | Systems and methods for privacy-enabled biometric processing |
US11789699B2 (en) | 2018-03-07 | 2023-10-17 | Private Identity Llc | Systems and methods for private authentication with helper networks |
US11265168B2 (en) * | 2018-03-07 | 2022-03-01 | Private Identity Llc | Systems and methods for privacy-enabled biometric processing |
US11210375B2 (en) * | 2018-03-07 | 2021-12-28 | Private Identity Llc | Systems and methods for biometric processing with liveness |
CN110309692B (zh) * | 2018-03-27 | 2023-06-02 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法、装置及***、模型训练方法及装置 |
KR102186767B1 (ko) * | 2018-04-27 | 2020-12-04 | 연세대학교 산학협력단 | 학습을 이용한 얼굴 특징점 검출 방법 및 장치 |
US10887182B1 (en) * | 2018-05-10 | 2021-01-05 | Hrl Laboratories, Llc | System and method for pairwise network alignment |
JP6734323B2 (ja) * | 2018-05-22 | 2020-08-05 | 株式会社 ディー・エヌ・エー | 対象物の類似度判定のためのプログラム、システム、及び方法 |
CN110717929A (zh) * | 2018-07-11 | 2020-01-21 | 腾讯科技(深圳)有限公司 | 图像目标检测方法、装置及存储介质 |
JP7257756B2 (ja) * | 2018-08-20 | 2023-04-14 | キヤノン株式会社 | 画像識別装置、画像識別方法、学習装置、及びニューラルネットワーク |
CN109325480B (zh) * | 2018-09-03 | 2024-07-23 | 安徽华泰高科信息技术有限责任公司 | 身份信息的录入方法及终端设备 |
KR102244013B1 (ko) * | 2018-09-06 | 2021-04-22 | 포항공과대학교 산학협력단 | 얼굴 인식 방법 및 장치 |
CN109492540B (zh) * | 2018-10-18 | 2020-12-25 | 北京达佳互联信息技术有限公司 | 一种图像中的人脸交换方法、装置及电子设备 |
CN109583387A (zh) * | 2018-11-30 | 2019-04-05 | 龙马智芯(珠海横琴)科技有限公司 | 身份认证方法及装置 |
US10977548B2 (en) | 2018-12-05 | 2021-04-13 | Bank Of America Corporation | Generation of capsule neural networks for enhancing image processing platforms |
KR102200496B1 (ko) * | 2018-12-06 | 2021-01-08 | 주식회사 엘지씨엔에스 | 딥러닝을 이용한 이미지 인식 방법 및 서버 |
CN109766792A (zh) * | 2018-12-25 | 2019-05-17 | 东南大学 | 一种基于人脸图像的身份识别方法 |
CN109711342B (zh) * | 2018-12-27 | 2021-05-04 | 河北工程大学 | 人脸识别方法及装置 |
US10325352B1 (en) * | 2019-01-23 | 2019-06-18 | StradVision, Inc. | Method and device for transforming CNN layers to optimize CNN parameter quantization to be used for mobile devices or compact networks with high precision via hardware optimization |
CN111507362B (zh) * | 2019-01-30 | 2023-12-19 | 中强光电股份有限公司 | 神经网络的训练方法、基于神经网络的分类方法及其装置 |
CN109800744B (zh) * | 2019-03-18 | 2021-08-20 | 深圳市商汤科技有限公司 | 图像聚类方法及装置、电子设备和存储介质 |
EP3973468A4 (en) | 2019-05-21 | 2022-09-14 | Magic Leap, Inc. | HANDPOSITION ESTIMATING |
JP6809565B2 (ja) * | 2019-06-13 | 2021-01-06 | 株式会社ニコン | 特徴抽出素子、特徴抽出システム、および判定装置 |
WO2021030178A1 (en) * | 2019-08-09 | 2021-02-18 | Clearview Ai, Inc. | Methods for providing information about a person based on facial recognition |
CN110717416B (zh) * | 2019-09-24 | 2021-07-09 | 上海数创医疗科技有限公司 | 基于特征选取的st段分类识别用神经网络训练方法 |
KR102156899B1 (ko) * | 2019-11-14 | 2020-09-16 | 한국광기술원 | 디자인 생성장치 및 방법 |
CN112528110A (zh) | 2020-07-24 | 2021-03-19 | 支付宝(杭州)信息技术有限公司 | 确定实体业务属性的方法及装置 |
CN112949599B (zh) * | 2021-04-07 | 2022-01-14 | 青岛民航凯亚***集成有限公司 | 基于大数据的候选内容推送方法 |
CN113762118B (zh) * | 2021-08-27 | 2022-08-26 | 合肥的卢深视科技有限公司 | 人脸识别的方法、电子设备及存储介质 |
TWI819417B (zh) * | 2021-11-26 | 2023-10-21 | 元氣智能股份有限公司 | 以並行卷積神經網路進行模式選擇的人臉識別的系統和方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005505062A (ja) * | 2001-09-28 | 2005-02-17 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 学習されたモデルの部分を用いた顔認識のシステム及び方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6128398A (en) * | 1995-01-31 | 2000-10-03 | Miros Inc. | System, method and application for the recognition, verification and similarity ranking of facial or other object patterns |
US7236615B2 (en) * | 2004-04-21 | 2007-06-26 | Nec Laboratories America, Inc. | Synergistic face detection and pose estimation with energy-based models |
JP4974788B2 (ja) | 2007-06-29 | 2012-07-11 | キヤノン株式会社 | 画像処理装置、画像処理方法、プログラム、及び記憶媒体 |
US8582807B2 (en) * | 2010-03-15 | 2013-11-12 | Nec Laboratories America, Inc. | Systems and methods for determining personal characteristics |
US9323980B2 (en) * | 2011-05-13 | 2016-04-26 | Microsoft Technology Licensing, Llc | Pose-robust recognition |
CN105849747B (zh) | 2013-11-30 | 2018-08-17 | 北京市商汤科技开发有限公司 | 用于人脸图像识别的方法和*** |
US9552510B2 (en) * | 2015-03-18 | 2017-01-24 | Adobe Systems Incorporated | Facial expression capture for character animation |
-
2013
- 2013-11-30 CN CN201380081288.3A patent/CN105849747B/zh active Active
- 2013-11-30 JP JP2016540679A patent/JP6127214B2/ja active Active
- 2013-11-30 EP EP13898047.9A patent/EP3074918B1/en active Active
- 2013-11-30 KR KR1020167017091A patent/KR20160083127A/ko active Search and Examination
- 2013-11-30 US US15/039,956 patent/US9530047B1/en active Active
- 2013-11-30 WO PCT/CN2013/088254 patent/WO2015078018A1/en active Application Filing
-
2016
- 2016-10-11 HK HK16111686.8A patent/HK1223439A1/zh unknown
- 2016-10-18 HK HK16111992.7A patent/HK1223718A1/zh unknown
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005505062A (ja) * | 2001-09-28 | 2005-02-17 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 学習されたモデルの部分を用いた顔認識のシステム及び方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020071008A1 (ja) * | 2018-10-03 | 2020-04-09 | 株式会社日立製作所 | 生体認証システム、生体認証方法およびプログラム |
JP2020057275A (ja) * | 2018-10-03 | 2020-04-09 | 株式会社日立製作所 | 生体認証システム、生体認証方法およびプログラム |
EP3862968A4 (en) * | 2018-10-03 | 2022-12-28 | Hitachi, Ltd. | BIOMETRIC AUTHENTICATION SYSTEM, BIOMETRIC AUTHENTICATION METHOD AND PROGRAM |
JP7269711B2 (ja) | 2018-10-03 | 2023-05-09 | 株式会社日立製作所 | 生体認証システム、生体認証方法およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6127214B2 (ja) | 2017-05-10 |
EP3074918A4 (en) | 2017-09-27 |
WO2015078018A1 (en) | 2015-06-04 |
EP3074918B1 (en) | 2019-04-03 |
CN105849747B (zh) | 2018-08-17 |
HK1223439A1 (zh) | 2017-07-28 |
WO2015078018A8 (en) | 2016-07-07 |
US20160379044A1 (en) | 2016-12-29 |
US9530047B1 (en) | 2016-12-27 |
CN105849747A (zh) | 2016-08-10 |
KR20160083127A (ko) | 2016-07-11 |
EP3074918A1 (en) | 2016-10-05 |
HK1223718A1 (zh) | 2017-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6127214B2 (ja) | 顔画像認識のための方法とシステム | |
US11455807B2 (en) | Training neural networks for vehicle re-identification | |
Zhong et al. | Spectral–spatial residual network for hyperspectral image classification: A 3-D deep learning framework | |
Singh et al. | A deeply coupled ConvNet for human activity recognition using dynamic and RGB images | |
CN108171209B (zh) | 一种基于卷积神经网络进行度量学习的人脸年龄估计方法 | |
US9811718B2 (en) | Method and a system for face verification | |
CN106415594A (zh) | 用于面部验证的方法和*** | |
Praseetha et al. | Secure fingerprint authentication using deep learning and minutiae verification | |
Gupta et al. | Single attribute and multi attribute facial gender and age estimation | |
Pujol et al. | Entropy-based face recognition and spoof detection for security applications | |
Sun et al. | Open‐set iris recognition based on deep learning | |
Zou et al. | Application of facial symmetrical characteristic to transfer learning | |
Kancharlapalli et al. | A Novel Approach for Age and Gender Detection using Deep Convolution Neural Network | |
US11574641B2 (en) | Method and device with data recognition | |
CN113762331A (zh) | 关系型自蒸馏方法、装置和***及存储介质 | |
CN115862097A (zh) | 基于多注意力多尺度特征学习的遮挡人脸识别方法和装置 | |
Fan et al. | Palmprint phenotype feature extraction and classification based on deep learning | |
Yang et al. | [Retracted] Analysis of Feature Extraction and Anti‐Interference of Face Image under Deep Reconstruction Network Algorithm | |
Yang et al. | Video system for human attribute analysis using compact convolutional neural network | |
Singla et al. | Age and gender detection using Deep Learning | |
Ghorbel et al. | Hybrid approach for face recognition from a single sample per person by combining VLC and GOM | |
Chai et al. | Robust facial landmark detection based on initializing multiple poses | |
Kim et al. | Swarm ascending: Swarm intelligence-based exemplar group detection for robust clustering | |
Zhao et al. | Hand Detection Using Cascade of Softmax Classifiers | |
US20230386195A1 (en) | Facial recognition based on converted spiking neural network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160615 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20160615 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20161026 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20161101 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170127 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170404 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170410 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6127214 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |