基于深度学习的时空面部特征视觉语音识别
本文提出了一种使用面部识别和特征运动作为密码的双重身份认证机制,基于机器学习和深度学习的生物特征识别系统在这种方案下表现出强大的鲁棒性和准确性。
Dec, 2020
本文介绍了一种使用深度学习技术自动提取面部表情识别所需信息特征的方法,通过两个不同的深度学习模型使得我们在 CK + 和 Oulu-CASIA 数据库上,获得了优于其他现有方法的性能表现。
Mar, 2015
本研究提出了一种基于二流 FreqSaptialTemporalNet 的人脸反欺诈新方法,通过融合多种信息来提高性能并采用频谱图像作为一个输入流,以实现自动发现真假视频之间的主要差异。同时,利用适当的数据增强方法以解决数据不足的问题。
Jan, 2020
本研究旨在探究面部微表情作为软生物识别的有效性并提出一种深度学习的方法来提高其在人体识别方面的应用,实验结果显示该方法与现有的基准相比,可以显著提高识别准确性。
Jun, 2023
该论文介绍了基于机器学习的人脸识别技术在 Web 系统中作为身份认证方法的应用,其中结合了 MTCNN、Facenet 和 LinearSVC 等多个算法进行人脸识别,最终实现了 95% 的准确率。
Mar, 2021
通过使用 3D CNN 建立时空特征提取模型,我们提出了一种新的深度伪造视频检测方法,相比于现有方法能更准确地进行分类,并且经过测试表现出更强的通用能力。
Oct, 2020
使用深度学习中的音频 - 视觉语音分离网络,从混音状态中分离出指定说话者的语音,且仅使用目标说话者的单一面部图像,通过潜在空间的交叉模态生物识别任务中的面部外观获得条件特征,可隔离和提取这些说话者的语音,为语音分离任务中的通道交换问题提供解决方案,同时也适用于未知说话者。
May, 2020
本文介绍了一种基于人脸图像和语音识别技术的门禁系统,用于识别员工和访客。该系统通过人脸识别解锁入口门禁,通过语音识别服务为访客提供服务,并在硬件上使用两个 Raspberry Pi 和 Amazon Web Services 和 Google 语音转换 API 服务以实现身份认证和通知服务。
Apr, 2020