基于深度学习的交通标志牌要素提取

人工智能-机器人 段旭

作为图像算法负责人,研发并改进基于Faster RCNN的多尺度交通标志牌提取算法,利用构建数据闭环与数据扩充方式解决数据收集困难且类别不均衡问题,加入多尺度训练策略,改进anchor机制并依靠多帧结果信息弥补小目标检测及属性识别问题;在多传感器结果融合环节,与点云结果融合聚类,解决点云标牌集合特征未召回等问题。 图像识别实现100%实物召回,考虑到后续通用性,已实现国家标准中268类交通标志属性识别,识别准确率达98%。...

基于深度学习的交通标志牌要素提取
基于深度学习的交通标志牌要素提取

基于深度学习的人脸识别与认证

人工智能-机器人 段旭

作为算法负责人,研发基于身份证的图像修复算法,利用Encode-Decoder结构设计网纹检测网络和图像修复网络,利用多监督学习和不同层级特征融合方法以丰富图像特征表达,减少误检;改进卷积层为dilation conv,使得密集预测更加丰富的信息被运用;采用Perceptual loss得到更加接近真实人脸的图像,修复失真和过度平滑问题。 在身份证图像与生活照构建的数据库上,单帧图像测试时间为0.04s/gpu,身份证图像修复后人脸识别认证率AUC提高19.95%...

基于深度学习的人脸识别与认证
基于深度学习的人脸识别与认证
------ 加载完毕 ------
联系聘用方端客服