CN112417184A - 一种基于动态优先级的多场景特征信息存储结构及其比对方法、计算机设备和存储介质 - Google Patents
一种基于动态优先级的多场景特征信息存储结构及其比对方法、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112417184A CN112417184A CN202011322192.XA CN202011322192A CN112417184A CN 112417184 A CN112417184 A CN 112417184A CN 202011322192 A CN202011322192 A CN 202011322192A CN 112417184 A CN112417184 A CN 112417184A
- Authority
- CN
- China
- Prior art keywords
- scene
- characteristic
- value
- characteristic value
- environment
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- 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
- G06N3/08—Learning methods
-
- 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
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
Abstract
本申请提供一种基于动态优先级的多场景特征信息存储结构及其比对方法、计算机设备和存储介质。该方法包括以下步骤:加载特征集合,初始化内存数据结构;读取环境参数,获取环境稀疏表;遍历场景参数,获取阈值;提取特征值,设置当前场景为j;获取场景j的特征列;计算特征值与场景j特征列中特征值的相似度,并找到最大值;判断相似度是否满足阈值;若否,设置当前场景为j+1;若是,将在特征列中的该特征值从场景优先级j提升至j‑1;输出比对结果ID。在上述的实现过程中,根据不同环境、场景建立不同的特征值稀疏表,以适应不同环境和场景;特征值按照优先级分组稀疏存储,提升检索比对效率;识别成功后,动态调整特征值比较优先顺序,提升识别速度。
Description
技术领域
本发明人脸识别技术领域,尤其涉及一种基于动态优先级的多场景特征信息存储结构及其比对方法、计算机设备和存储介质。
背景技术
自然场景,无约束条件下、基于数字图像特征的人脸识别技术的关键是对人脸特征的提取。通过对不同人脸图像进行特征提取,与预先录入的人脸特征值集合进行比较,根据比较结果高于某个阈值则返回查找结果;针对实际场景中人脸识别时,非约束条件下人脸在图片中角度、姿态的不同,使用人脸特征点检测算法,确定人脸图片中相应特征点的位置。但此类方法存在特征点提取无法适应不同环境和场景。为了提高识别精度,可以增加同一人员在多个环境或场景下的脸部信息,但是随着人脸数量的增加,特征集合中元素相应增加,导致相似度碰撞几率增大,识别结果准确率下降;更多的特征信息,直接导致了识别速度下降。
发明内容
为解决上述技术问题,本发明提出一种基于动态优先级的多场景特征信息存储结构及其比对方法,包括以下步骤:
步骤S1:加载特征集合,初始化内存数据结构;
步骤S2:读取环境参数,获取所述环境参数对应的环境稀疏表;
步骤S3:开始遍历场景参数,从多场景阈值表获取所述场景参数对应的阈值;
步骤S4:对输入图像通过深度学习网络模型提取特征值,设置当前场景为j;
步骤S5:从特征值稀疏表获取场景j的特征列;
步骤S6: 计算所述特征值与所述场景j特征列中特征值的相似度,并找到最大值;
步骤S7:判断所述相似度是否高于所述阈值;
步骤S8:如不高于所述阈值,设置当前场景为j+1,并重复步骤S5至步骤S7;
步骤S9:如高于所述阈值,将在所述特征列中的该特征值从场景优先级j提升至j-1;
步骤S10:输出比对结果ID。
优选地,所述特征集合由n个环境稀疏表{ET1,ET2,···,ETn}组成,每张环境稀疏表中又包含了m种不同场景{S1,S2,···,Sm}。
优选地,所述特征集合还对应一个多场景阈值表,其结构为{{Th1 1,Th1 2,···,Th1 m},{Th2 1,Th2 2,···,Th2 m },···,{Thn 1,Thn 2,···,Thn m }},所述多场景阈值表对应n种环境,m种不同场景的阈值。
优选地,所述环境稀疏表中,以场景列的形式存放了k个ID在某一场景下Sm的特征值稀疏表,其存储结构为{{f1 1,f2 1,···,fk 1},{f1 2,f2 2,···,fk 2},···,{f1 m,f2 m,···,fk m}}。
本申请实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,执行如上面描述的方法。
本申请实施例还提供了一种存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器运行时执行如上面描述的方法。
与现有技术相比,本发明的有益效果是:
本发明提供一种基于动态优先级的多场景特征信息存储结构及其比对方法,实现根据不同环境、场景建立不同的特征值稀疏表,根据实际应用场景选择不同的表,以适应不同环境和场景;特征值按照优先级分组稀疏存储,提升检索比对效率;每次识别成功后,动态调整特征值比较优先顺序,提升识别速度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种基于动态优先级的多场景特征信息存储结构及其比对方法的流程示意图;
图2为本申请实施例提供的环境稀疏表存储结构示意图;
图3为本申请实施例提供的多场景阈值表存储结构示意图;
图4为本申请实施例提供的特征值稀疏表存储结构示意图;
图5为本申请实施例提供的计算机设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参见图1本申请提供的一种基于动态优先级的多场景特征信息存储结构及其比对方法的流程示意图;一种基于动态优先级的多场景特征信息存储结构及其比对方法,包括以下步骤:
步骤S1:加载特征集合,初始化内存数据结构;
步骤S2:读取环境参数,获取所述环境参数对应的环境稀疏表;
步骤S3:开始遍历场景参数,从多场景阈值表获取所述场景参数对应的阈值;
步骤S4:对输入图像通过深度学习网络模型提取特征值,设置当前场景为j;
步骤S5:从特征值稀疏表获取场景j的特征列;
步骤S6:计算所述特征值与所述场景j特征列中特征值的相似度,并找到最大值;
步骤S7:判断所述相似度是否高于所述阈值;
步骤S8:如不高于所述阈值,设置当前场景为j+1,并重复步骤S5至步骤S7;
步骤S9:如高于所述阈值,将在所述特征列中的该特征值从场景优先级j提升至j-1;
步骤S10:输出比对结果ID。
具体地,请参见图2示出的本申请实施例提供的环境稀疏表存储结构示意图;特征集合由n个环境稀疏表{ET1,ET2,···,ETn}组成,每张环境稀疏表中又包含了m种不同场景{S1,S2,···,Sm}。环境因素通常由摄像机安装环境决定,一般包括:日夜、光照、背景、距离等;场景因素通常由被识别的个体决定,一般包括:服饰、穿戴、发型、妆容等。由于场景因素因人而异,每个个体的场景数量各不相同,所以形成的环境稀疏表ET是稀疏的。
具体地,图3示出的本申请实施例提供的多场景阈值表存储结构示意图。特征集合还对应一个多场景阈值表,其结构为{{Th1 1,Th1 2,···,Th1 m},{Th2 1,Th2 2,···,Th2 m},···,{Thn 1,Thn 2,···,Thn m }},所述多场景阈值表对应n种环境,m种不同场景的阈值。多场景阈值表包含了每种环境E下,对应不同场景的阈值门限Th,为每一场景的特征比对提供决策条件。
具体地,图4示出的本申请实施例提供的特征值稀疏表存储结构示意图。环境稀疏表中,以场景列的形式存放了k个ID在某一场景下Sm的特征值稀疏表,其存储结构为{{f1 1,f2 1,···,fk 1},{f1 2,f2 2,···,fk2},···,{f1m,f2m,···,fkm }},存储特征值列。由于每个ID的场景数量不尽相同,所以对于某特定ID来说,并不一定全都存在特征值,因此该表为稀疏表,除第一列以外,其他特征列均可能为空。
请参见图5示出的本申请实施例提供的计算机设备的结构示意图。本申请实施例提供的一种计算机设备400,包括:处理器410和存储器420,存储器420存储有处理器410可执行的计算机程序,计算机程序被处理器410执行时执行如上的方法。
本申请实施例还提供了一种存储介质430,该存储介质430上存储有计算机程序,该计算机程序被处理器410运行时执行如上的方法。
其中,存储介质430可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory,简称EPROM),可编程只读存储器(Programmable Red-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
在本发明的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (6)
1.一种基于动态优先级的多场景特征信息存储结构及其比对方法,其特征在于,包括以下步骤:
步骤S1:加载特征集合,初始化内存数据结构;
步骤S2:读取环境参数,获取所述环境参数对应的环境稀疏表;
步骤S3:遍历场景参数,从多场景阈值表获取所述场景参数对应的阈值;
步骤S4:对输入图像通过深度学习网络模型提取特征值,设置当前场景为j;
步骤S5:从特征值稀疏表获取场景j的特征列;
步骤S6: 计算所述特征值与所述场景j特征列中特征值的相似度,并找到最大值;
步骤S7:判断所述相似度是否高于所述阈值;
步骤S8:如不高于所述阈值,设置当前场景为j+1,并重复所述步骤S5至所述步骤S7;
步骤S9:如高于所述阈值,将在所述特征列中的该特征值从场景优先级j提升至j-1;
步骤S10:输出比对结果ID。
2.根据权利要求1所述的方法,其特征在于,
所述特征集合由n个环境稀疏表{ET1,ET2,···,ETn}组成,每张环境稀疏表中又包含了m种不同场景{S1,S2,···,Sm}。
3.根据权利要求2所述的方法,其特征在于,
所述特征集合还对应一个多场景阈值表,其结构为{{Th1 1,Th1 2,···,Th1 m },{Th2 1,Th2 2,···,Th2 m },···,{Thn 1,Thn 2,···,Thn m }},所述多场景阈值表对应n种环境,m种不同场景的阈值。
4.根据权利要求3所述的方法,其特征在于,
所述环境稀疏表中,以场景列的形式存放k个ID在某一场景下Sm的特征值稀疏表,其存储结构为{{f1 1,f2 1,···,fk 1},{f1 2,f2 2,···,fk 2},···,{f1 m,f2 m,···,fk m }}。
5.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现如权利要求1-4中任一项所述的方法。
6.一种存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011322192.XA CN112417184B (zh) | 2020-11-23 | 2020-11-23 | 多场景特征信息存储结构及其比对方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011322192.XA CN112417184B (zh) | 2020-11-23 | 2020-11-23 | 多场景特征信息存储结构及其比对方法、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112417184A true CN112417184A (zh) | 2021-02-26 |
CN112417184B CN112417184B (zh) | 2021-05-25 |
Family
ID=74777923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011322192.XA Active CN112417184B (zh) | 2020-11-23 | 2020-11-23 | 多场景特征信息存储结构及其比对方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112417184B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6970579B1 (en) * | 2002-04-15 | 2005-11-29 | Sonic Foundry, Inc. | Orientation invariant feature detection system and method for unstructured low-quality video |
CN103136533A (zh) * | 2011-11-28 | 2013-06-05 | 汉王科技股份有限公司 | 基于动态阈值的人脸识别方法及装置 |
CN103902961A (zh) * | 2012-12-28 | 2014-07-02 | 汉王科技股份有限公司 | 一种人脸识别方法及装置 |
US20170116478A1 (en) * | 2014-09-30 | 2017-04-27 | Qualcomm Incorporated | Low-power always-on face detection, tracking, recognition and/or analysis using events-based vision sensor |
CN107194379A (zh) * | 2017-06-28 | 2017-09-22 | 南京甄视智能科技有限公司 | 能够适应不同应用场景的人脸识别验证终端及其工作方法 |
CN108629280A (zh) * | 2018-03-27 | 2018-10-09 | 维沃移动通信有限公司 | 人脸识别方法及移动终端 |
CN109543628A (zh) * | 2018-11-27 | 2019-03-29 | 北京旷视科技有限公司 | 一种人脸解锁、底库录入方法、装置和电子设备 |
US20190318171A1 (en) * | 2018-03-14 | 2019-10-17 | Comcast Cable Communications, Llc | Methods and systems for determining object activity within a region of interest |
CN110472504A (zh) * | 2019-07-11 | 2019-11-19 | 华为技术有限公司 | 一种人脸识别的方法和装置 |
-
2020
- 2020-11-23 CN CN202011322192.XA patent/CN112417184B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6970579B1 (en) * | 2002-04-15 | 2005-11-29 | Sonic Foundry, Inc. | Orientation invariant feature detection system and method for unstructured low-quality video |
CN103136533A (zh) * | 2011-11-28 | 2013-06-05 | 汉王科技股份有限公司 | 基于动态阈值的人脸识别方法及装置 |
CN103902961A (zh) * | 2012-12-28 | 2014-07-02 | 汉王科技股份有限公司 | 一种人脸识别方法及装置 |
US20170116478A1 (en) * | 2014-09-30 | 2017-04-27 | Qualcomm Incorporated | Low-power always-on face detection, tracking, recognition and/or analysis using events-based vision sensor |
CN107194379A (zh) * | 2017-06-28 | 2017-09-22 | 南京甄视智能科技有限公司 | 能够适应不同应用场景的人脸识别验证终端及其工作方法 |
US20190318171A1 (en) * | 2018-03-14 | 2019-10-17 | Comcast Cable Communications, Llc | Methods and systems for determining object activity within a region of interest |
CN108629280A (zh) * | 2018-03-27 | 2018-10-09 | 维沃移动通信有限公司 | 人脸识别方法及移动终端 |
CN109543628A (zh) * | 2018-11-27 | 2019-03-29 | 北京旷视科技有限公司 | 一种人脸解锁、底库录入方法、装置和电子设备 |
CN110472504A (zh) * | 2019-07-11 | 2019-11-19 | 华为技术有限公司 | 一种人脸识别的方法和装置 |
Non-Patent Citations (2)
Title |
---|
DAVID CALEB ROBINSON;JIANXIA XUE: "A new Feature Selection method for face recognition based on general data field", 《ACM SE "14: PROCEEDINGS OF THE 2014 ACM SOUTHEAST REGIONAL CONFERENCE》 * |
史家昆: "基于监控场景下的人脸识别的系统设计与实现", 《中国优秀硕士学位论文全文数据库》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112417184B (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108427738B (zh) | 一种基于深度学习的快速图像检索方法 | |
US20130022244A1 (en) | Image processing apparatus and image processing method | |
US11481584B2 (en) | Efficient machine learning (ML) model for classification | |
CN112329702B (zh) | 一种快速人脸密度预测和人脸检测方法、装置、电子设备及存储介质 | |
JP6161266B2 (ja) | 情報処理装置及びその制御方法及び電子デバイス及びプログラム及び記憶媒体 | |
CN110009662B (zh) | 人脸跟踪的方法、装置、电子设备及计算机可读存储介质 | |
US9147256B2 (en) | Image processing apparatus and image processing method | |
CN112749726B (zh) | 目标检测模型的训练方法、装置、计算机设备和存储介质 | |
WO2010043954A1 (en) | Method, apparatus and computer program product for providing pattern detection with unknown noise levels | |
US20150086118A1 (en) | Method for recognizing a visual context of an image and corresponding device | |
JP5192437B2 (ja) | 物体領域検出装置、物体領域検出方法および物体領域検出プログラム | |
CN115457017A (zh) | 一种导线缺陷检测方法、装置、计算机设备及存储介质 | |
US9858293B2 (en) | Image processing apparatus and image processing method | |
CN113705650A (zh) | 一种人脸图片集的处理方法、装置、介质和计算设备 | |
CN112417184B (zh) | 多场景特征信息存储结构及其比对方法、设备和存储介质 | |
CN109033797B (zh) | 一种权限设置方法及装置 | |
US20190303714A1 (en) | Learning apparatus and method therefor | |
EP4332910A1 (en) | Behavior detection method, electronic device, and computer readable storage medium | |
US10977527B2 (en) | Method and apparatus for detecting door image by using machine learning algorithm | |
CN115984671A (zh) | 模型在线更新方法、装置、电子设备及可读存储介质 | |
CN116188815A (zh) | 一种视频相似度检测方法、系统、存储介质和电子设备 | |
CN111414952B (zh) | 行人重识别的噪声样本识别方法、装置、设备和存储介质 | |
CN112884866B (zh) | 一种黑白视频的上色方法、装置、设备及存储介质 | |
CN111143626B (zh) | 团伙识别方法、装置、设备及计算机可读存储介质 | |
CN111178409B (zh) | 基于大数据矩阵稳定性分析的图像匹配与识别系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |