Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 合肥的卢深视科技有限公司刘冲冲获国家专利权

合肥的卢深视科技有限公司刘冲冲获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉合肥的卢深视科技有限公司申请的专利人脸图像的质量评分方法、模型训练方法及电子设备获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115376180B

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210792367.6,技术领域涉及:G06V40/16;该发明授权人脸图像的质量评分方法、模型训练方法及电子设备是由刘冲冲;付贤强;何武;朱海涛;户磊设计研发完成,并于2022-07-05向国家知识产权局提交的专利申请。

人脸图像的质量评分方法、模型训练方法及电子设备在说明书摘要公布了:本发明实施例涉及人脸图像处理领域,公开了一种人脸图像的质量评分方法、模型训练方法及电子设备。本发明中,人脸图像的质量评分模型训练方法,包括:将前一批次的人脸图像输入到待训练的质量评分模型中,得到前一批次的评分值;对前一批次的人脸图像进行质量退化处理,生成后一批次的人脸图像;将后一批次的人脸图像输入到待训练的质量评分模型中,得到后一批次的评分值;基于多批次的人脸图像所得到的评分值中每相邻批次的评分值之间的评分损失,对质量评分模型进行训练,得到训练后的质量评分模型。本发明的人脸图像的质量评分模型训练方法,可以在无需对样本图像的质量进行标注的情况下,实现人脸图像质量的快速评分。

本发明授权人脸图像的质量评分方法、模型训练方法及电子设备在权利要求书中公布了:1.一种人脸图像的质量评分模型训练方法,其特征在于,包括: 将前一批次的人脸图像输入到待训练的质量评分模型中,得到前一批次的评分值; 对所述前一批次的人脸图像进行质量退化处理,生成后一批次的人脸图像; 将所述后一批次的人脸图像输入到所述待训练的质量评分模型中,得到后一批次的评分值; 基于多批次的人脸图像所得到的评分值中每相邻批次的评分值之间的评分损失,对所述质量评分模型进行训练,得到训练后的质量评分模型; 其中,所述对所述前一批次的人脸图像进行质量退化处理,生成后一批次的人脸图像,包括: 将所述前一批次的人脸图像依次输入到特征编码模型,得到各人脸图像的人脸特征向量,所述人脸特征向量中各元素之间相互解耦,且分别表征一个维度的人脸特征; 调整所述人脸特征向量中至少一个元素的元素值使该元素所表征维度的人脸特征退化; 将退化后的所述人脸特征向量依次输入图像生成模型,得到特征退化后的所述前一批次的人脸图像作为所述后一批次的人脸图像; 其中,所述特征编码模型和所述图像生成模型基于生成对抗网络构建; 其中,训练所述特征编码模型和所述图像生成模型的过程,包括: 标注所述特征编码模型的输入人脸图像为真实人脸图像、所述输入人脸图像输入所述特征编码模型得到的人脸特征向量再输入所述图像生成模型后得到的输出人脸图像为生成人脸图像,且同一真实人脸图像对应所述输入人脸图像和所述输出人脸图像组成一个样本对; 以所述特征编码模型得到的人脸特征向量作为随机量、所述图像生成模型作为生成模型、用于分辨真实人脸图像和生成人脸图像的二分类模型作为判别模型形成所述生成对抗网络,所述人脸特征向量作为样本服从第一正态分布; 基于多批次的所述样本对、以及基于所述二分类模型输出的二分类值所构建的第一损失,对所述特征编码模型、所述生成对抗网络进行初次联合训练,得到训练好的所述二分类模型; 基于训练好的所述二分类模型,获取另一多批次的所述样本对中每个人脸图像的二分类值,并基于该二分类值、所述另一多批次的每个所述样本对中两个人脸图像的图像差异构建第二损失; 随机调整所述另一多批次的所述样本中真实人脸图像输入所述特征编码模型得到的人脸特征向量中各元素的排列顺序,得到人脸特征调整向量,所述人脸特征调整向量作为样本服从第一调整正态分布;并基于所述第一正态分布和所述第一调整正态分布的分布差异构建第三损失、以及所述第一正态分布与标准正态分布的分布差异构建第四损失; 基于所述第二损失、所述第三损失和所述第四损失对所述特征编码模型和所述图像生成模型进行训练,得到训练好的所述特征编码模型和所述图像生成模型; 其中,通过如下公式构建所述评分损失: ; 其中,loss为所述评分损失,k=0,1,2,…,H-22,H为批次数,、、依次为第2k、2k+1、2k+2批次的评分值,b=1,2,…,B,B为批大小,、为超参数。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人合肥的卢深视科技有限公司,其通讯地址为:230091 安徽省合肥市高新区习友路3333号中国(合肥)国际智能语音产业园研发中心楼611-217室;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。