-
孙哲南
-
-
- 所属机构:中国科学院自动化研究所
- 所在地区:北京市
- 研究方向:自动化与计算机技术
- 发文基金:国家自然科学基金
相关作者
- 谭铁牛
- 作品数：381被引量：3,850H指数：27
- 供职机构：中国科学院自动化研究所
- 研究主题：虹膜图像 虹膜 虹膜识别 生物特征识别 图像
- 李琦
- 作品数：37被引量：19H指数：2
- 供职机构：中国科学院自动化研究所
- 研究主题：人脸图像 人脸 图像 生成器 防御
- 赫然
- 作品数：79被引量：83H指数：5
- 供职机构：中国科学院自动化研究所
- 研究主题：人脸图像 人脸 图像 伪造 人脸图像识别
- 侯广琦
- 作品数：15被引量：14H指数：1
- 供职机构：中国科学院自动化研究所
- 研究主题：光场 逻辑控制单元 对焦 虹膜 成像质量
- 张曼
- 作品数：12被引量：3H指数：1
- 供职机构：中国科学院自动化研究所
- 研究主题：虹膜图像 FISHER 人脸图像 大规模数据 方向梯度
- 活体虹膜检测方法、装置、电子设备和存储介质
- 本发明提供一种活体虹膜检测方法、装置、电子设备和存储介质，该方法包括：获取待检测虹膜的多个角度的偏振图像；基于所述待检测虹膜的多个角度的偏振图像，获得所述待检测虹膜的偏振度图像；基于所述待检测虹膜的偏振度图像中的光强度值...
- 孙哲南张堃博田雨
- 一种基于样本质量的生物特征识别系统性能预测方法
- 本发明公开了一种基于样本质量的生物特征识别系统性能预测方法，该方法包括步骤：提取生物特征样本质量参数，根据生物特征样本标记信息将样本间匹配划分为类内匹配和类间匹配，分别对类内匹配分数和类间匹配分数进行平均采样，利用偏最小...
- 谭铁牛孙哲南李星光
- 文献传递
- 基于深度学习的虹膜图像分割及定位方法、系统、装置
- 本发明属于模式识别、计算机视觉与图像处理领域，具体涉及了一种基于深度学习的虹膜图像分割及定位方法、系统、装置，旨在解决非可控场景下虹膜识别精度不高的问题。本发明方法包括：获取待处理虹膜图像；采用多任务神经网络模型生成四个...
- 孙哲南谭铁牛王财勇
- 文献传递
- 一种跨设备生物特征识别方法
- 本发明公开了一种跨设备生物特征识别方法。该方法包括以下步骤：对不同采集设备采集到的生物特征图像组分别进行预处理，并提取每幅生物特征图像的局部子区域特征；以相似度为导向选取关联特征；对关联特征训练得到分类器模型；对待测试的...
- 谭铁牛孙哲南赫然校利虎
- 文献传递
- 用于异质虹膜识别的信息融合方法
- 本发明公开了一种用于异质虹膜识别的信息融合方法，包括：步骤S1、对训练集中成对的不同状态下的异质虹膜图像进行预处理，得到ROI并变换到极坐标系下，再进行特征提取，对得到的二值特征编码进行训练，利用概率图模型建模获得由测试...
- 谭铁牛孙哲南刘京
- 文献传递
- 三维人体模型重建方法及存储设备、控制设备
- 本发明涉及人体模型重建技术领域，具体涉及一种三维人体模型重建方法及存储设备、控制设备，旨在解决三维模型重建结果与二维图像不对齐等问题。本发明的重建方法包括：根据人体图像，采用预训练的全卷积网络模块获取人体部件的全局UVI...
- 孙哲南张鸿文欧阳万里曹杰
- 换脸方法、装置、电子设备和存储介质
- 本发明提供一种换脸方法、装置、电子设备和存储介质，其中方法包括：确定源人脸图像和目标人脸图像；将源人脸图像和目标人脸图像输入至人脸生成器中，得到人脸生成器输出的换脸图像；人脸生成器是基于样本图像对，与人脸判别器对抗训练得...
- 李琦孙哲南王卫宁
- 文献传递
- 基于深度学习特征和Fisher Vector编码模型的虹膜图像分类方法
- 本发明提供了一种虹膜图像分类方法，包括：在虹膜纹理基元的构建阶段对样本虹膜图像进行处理，得到虹膜纹理基元；在虹膜分类器的构建阶段基于所述的纹理基元和支持向量机来构造虹膜分类器；在判别阶段使用所述虹膜分类器来对目标虹膜图像...
- 孙哲南李海青张曼王雅丽
- 文献传递
- 基于联邦学习的虹膜图像特征提取方法、系统和装置
- 本发明属于图像识别领域，具体涉及了一种基于联邦学习的虹膜图像特征提取方法、系统和装置，旨在解决现有的虹膜特征提取模型无法兼顾隐私保护和多方合作，且单纯地堆叠虹膜数据进行模型训练无法提升模型的识别性能的问题。本发明通过获取...
- 骆正权孙哲南王云龙
- 文献传递
- 基于深度学习的眼周识别方法研究
- 2024年
- 为了提高眼周识别性能,提出一种基于深度卷积神经网络的眼周识别方法(PeriocularNet)。PeriocularNet具有16层卷积神经网络,融入了残差学习模块,使用了ArcFace损失函数;在训练策略上引入数据增强,以解决训练过程中产生的过拟合。在UBIPr、UBIRIS.V2数据集上进行实验,实验结果表明所提方法的识别EER值分别达到1.9%和7.9%,相较于经典的眼周识别方法取得了更好的眼周识别性能。另外,为了验证端到端的眼周识别方法中眉毛区域特征对眼周识别性能的影响,建立两个涉及三种眉毛形态的眼周数据集。通过实验验证,保持眉毛区域特征不变的眼周数据识别EER比其他两种去掉眉毛特征的情况更低,表明眉毛区域特征能够提高眼周识别性能。
- 秦涛王云龙孙哲南周琬婷
- 关键词：生物特征识别卷积神经网络
