公共文化服务平台

共 9 条记录，以下是 1-9

全选清除导出

排序方式：

一种基于先验约束的自监督面部动作表征学习方法: 本发明公开了一种基于先验约束的自监督学习面部动作单元特征识别方法，包括以下步骤：步骤一：向SsupAU模型中的自编码器输入人脸图像，自编码器分解人脸图像，将输入人脸图像分解为纹理、深度、光照、头部姿态、AU和颜色；步骤二...; 陈海丰索伊凡郭楚佳蒋冬梅李岩

一种基于CLIP和多模态掩码提示学习的面部动作单元识别的方法: 本发明公开了一种基于CLIP和多模态掩码提示学习的面部动作单元识别的方法，包括以下步骤；步骤1：基于AU先验位置设计多模态共享的AU提示(AU‑prompt)和注意力掩码，所述AU‑prompt包含多个可学习的token...; 陈海丰唐佩李健李溪常亚珂索伊凡

基于感知重采样和多模态融合的连续情感识别被引量：2: 2023年; 情感识别在人机交互中发挥着重要的作用,连续情感识别因其能检测到更广泛更细微的情感而备受关注。在多模态连续情感识别中,针对现有方法获取的时序信息包含较多冗余以及多模态交互信息捕捉不全面的问题,提出基于感知重采样和多模态融合的连续情感识别方法。首先感知重采样模块通过非对称交叉注意力机制去除模态冗余信息,将包含时序关系的关键特征压缩到隐藏向量中,降低后期融合的计算复杂度。其次多模态融合模块通过交叉注意力机制捕捉模态间的互补信息,并利用自注意力机制获取模态内的隐藏信息,使特征信息更丰富全面。在Ulm-TSST和Aff-Wild2数据集上唤醒度和愉悦度的CCC均值分别为63.62%和50.09%,证明了该模型的有效性。; 李健张倩陈海丰李晶王丽燕裴二成; 关键词：情感识别多模态融合

基于视觉显著性的水果表面缺陷检测方法: 一种基于视觉显著性的水果表面缺陷检测方法，首先，通过CCD相机获得被测水果的原始图像；其次，对图像进行预处理，以消除细小的纹理细节以及噪音和编码失真；然后，将预处理后的图像进行下采样得到两幅图片，进行上采样得到两幅图片，...; 党宏社郭楚佳陈海丰王刚张颖张娜; 文献传递

基于CLIP和多模态掩码提示学习的面部动作单元识别: 2025年; 随着情感分析需求的日益增长,面部动作单元(Action Unit,AU)识别作为情感计算的基础任务备受关注。尽管深度神经网络在AU识别方面取得一定的进展,但是其依赖大规模、精确标注的数据集。然而,数据标注过程耗时、成本高且易出错,限制了AU识别性能。近年来,CLIP模型在下游任务中表现出优异的识别和泛化能力。针对AU识别中标注数据稀缺的难题,提出一种基于CLIP和多模态掩码提示学习的AU识别方法。通过设计多模态共享的AU提示(AU-prompt)和注意力掩码,结合局部细节和全局特征,实现了更有效的AU识别。实验结果表明,在BP4D和DISFA数据集上,该方法获得的F1均值分别为63.2%和64.6%,证明了模型的有效性。; 唐佩李健陈海丰施展王浩淼; 关键词：情感计算 CLIP

显著目标检测方法及其应用研究: 生活中，人类不断地接收新的信息以感知环境，这些信息中约80％来自于视觉，如果计算机能够像人类一样有效的处理视觉信息，则会为计算机视觉领域带来新的变革。显著目标检测方法正是从这样的想法中提炼出来的，它能够快速准确地找到图像...; 陈海丰; 关键词：图像熵频率调谐自适应分割

基于视觉显著性的水果表面缺陷检测方法: 一种基于视觉显著性的水果表面缺陷检测方法，首先，通过CCD相机获得被测水果的原始图像；其次，对图像进行预处理，以消除细小的纹理细节以及噪音和编码失真；然后，将预处理后的图像进行下采样得到两幅图片，进行上采样得到两幅图片，...; 党宏社郭楚佳陈海丰王刚张颖张娜; 文献传递

基于关键区域遮挡与重建的人脸表情识别被引量：5: 2024年; 为了解决自然场景下人脸表情识别任务中的无用信息干扰和遮挡对识别性能的影响问题,提出一种基于关键区域遮挡与重建的人脸表情识别模型。利用多尺度特征提取网络,提取人脸图像的全局特征。根据68个人脸关键点划分出68个关键区域,并通过插值法提取68个关键区域的特征,同时采用注意力机制学习关键区域特征之间的先验关系。设计自监督的遮挡与重建模块,对关键区域特征进行随机遮挡,并利用已知区域信息来预测和重建被遮挡区域的特征,从而提高模型在自然场景下的表情识别性能。设计多个实验验证了该模型的泛化能力,并通过消融实验验证了模型中每个模块的有效性。实验结果表明,该模型在真实世界的情感面孔数据集(RAF-DB)和Occlusion-RAF-DB数据集上分别达到了88.44%和86.09%的识别准确率,相比于视觉Transformer(Vi T)等模型有效地提升了自然场景下人脸表情识别的性能。; 李晶李健陈海丰张倩王丽燕裴二成; 关键词：人脸表情识别

一种基于注意力时间卷积网络多特征融合的单侧运动想象脑电信号识别方法及系统: 本发明涉及深度学习领域，具体涉及一种基于注意力时间卷积网络多特征融合的单侧运动想象脑电信号识别方法及系统；对处理后的脑电波信号进行浅层特征提取，得到浅层时空特征与浅层时频特征；基于多层次处理架构对浅层时空特征与浅层时频特...; 陈景霞张鹏伟刘可馨陈海丰

全选清除导出

共1页<1>

陈海丰