[發(fā)明專利]用于處理圖像的系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201711284807.2
• 申請日: 2017-12-07
• 公開（公告）號: CN108257095A
• 公開（公告）日: 2018-07-06
• 發(fā)明（設計）人: 莎拉·拉奈斯;文森特·德斯皮格爾;揚·拉斐爾·里夫奇茲;史蒂芬·基恩特里克
• 申請（專利權）人: 法國艾德米亞身份與安全公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04
• 代理公司: 北京同達信恒知識產(chǎn)權代理有限公司 11291
• 代理人: 黃志華;李欣

本發(fā)明公開了一種用于處理圖像(4)的系統(tǒng)(1)，系統(tǒng)(1)包括主神經(jīng)網(wǎng)絡(2)、優(yōu)選基于卷積的主神經(jīng)網(wǎng)絡(CNN)，和至少一個在主神經(jīng)網(wǎng)絡(2)的上游的預處理神經(jīng)網(wǎng)絡(6)、優(yōu)選基于卷積的預處理神經(jīng)網(wǎng)絡，預處理神經(jīng)網(wǎng)絡(6)用于在通過主神經(jīng)網(wǎng)絡(2)進行處理之前進行至少一種關于其參數(shù)是可微分的參數(shù)變換f，所述變換被應用于所述圖像的像素的至少一部分并且具有形式p′＝f(V(p)，Θ)，式中，p為原始圖像的處理后的像素或所述圖像的分解的處理后的像素，p'為變換后的圖像的像素或變換后的圖像的分解的像素，V(p)為像素p的鄰域，Θ為參數(shù)的向量，預處理神經(jīng)網(wǎng)絡(6)使其學習的至少一部分與主神經(jīng)網(wǎng)絡(2)的學習同時地進行。

技術領域

本發(fā)明涉及利用神經(jīng)網(wǎng)絡處理圖像的系統(tǒng)，更特別地但不僅僅涉及用于生物計量學、尤其面部識別的系統(tǒng)。

背景技術

針對面部或其它目標的識別已提出使用所謂的卷積神經(jīng)網(wǎng)絡(convolutionneural networks，CNN)。Yann Le Cun等人的文章Deep Learning(436NATURE，第521卷，2015年5月28日)包括對這些神經(jīng)網(wǎng)絡的介紹。

另外，設法例如通過伽瑪校正或局部對比度校正來進行圖像的預處理以便糾正圖像的缺陷(例如缺乏對比度)是司空見慣的。

面部的生物識別假定多種多樣的圖像采集和照明條件，這引起對待被進行的糾正的選擇上的困難。而且，由于卷積神經(jīng)網(wǎng)絡的性能上的改進與完全學習到的隱藏層相關，故這引起在理解圖像處理(在這種網(wǎng)絡的上游應用該圖像處理將是有用的)上的困難。

因此，受越來越強大的處理器的快速發(fā)展的支持，當前趨勢是加強卷積神經(jīng)網(wǎng)絡的能力，并拓寬它們對多方面變化的圖像的學習，以便獨立于任何預處理來改進這些網(wǎng)絡的性能。

然而，盡管這些系統(tǒng)是更加有效的，但這些系統(tǒng)對于偽影的存在以及對于圖像質量的下降是不完全魯棒的。而且，增加計算資源的計算能力是相當昂貴的不總是適合的解決方案。

因此，對于圖像質量的問題的現(xiàn)有解決方案(與尋求學習的問題無關，該現(xiàn)有解決方案因此要么在于利用有問題的圖像的示例來豐富學習庫，要么在于在上游進行圖像處理)不是完全令人滿意的。

因此，仍需要進一步加強基于卷積神經(jīng)網(wǎng)絡的生物識別鏈，尤其以便使得生物識別鏈對于各種噪音更加魯棒從而因此改進關于具有較低質量的圖像的識別性能。

Peng Xi等人的文章“Learning face recognition from limited trainingdata using deep neural networks”(第23屆圖案識別國際會議，2016年12月4日，第1442-1447頁)描述了利用對圖像應用仿射變換的第一神經(jīng)網(wǎng)絡和用于識別由此變換的圖像的第二神經(jīng)網(wǎng)絡來識別面部的方案。

Svoboda Pavel等人的文章“CNN for license plate motion deblurring”(圖像處理國際會議，2016年9月25日，第3832-3836頁)描述了利用CNN網(wǎng)絡使號牌去燥的方法。

Chakrabarti Ayan的文章“A Neural Approach to Blind Motion Deblurring”(ECCV 2016，第9907卷，第221-235頁)描述了在通過神經(jīng)網(wǎng)絡學習這些數(shù)據(jù)之前將圖像變換到頻域，以便出于去燥目的評估卷積參數(shù)。

文章Spatial Transformer Networks，Max Jaderberg,Karen Simonyan,AndrewZisserman,Koray Kavukcuoglu,NIPS 2015，描述了設計用于字符識別的處理系統(tǒng)，其中，卷積的預處理神經(jīng)網(wǎng)絡被用于進行空間變換，例如旋轉和縮放。與生物計量學相關的問題在該文章中未被解決。應用于像素的變換被應用于整個圖像。

發(fā)明內容