摘要
本发明提供了种基于深度学习的网约车司机人脸目标检测方法,包括以下步骤:S1、从线上数据库随机选取大量真实的网约车核验照片数据;S2、将网约车核验照片数据进行特征工程处理,生成训练集、测试集、验证集;S3、重复S1和S2步骤,生成多组数据;S4、根据S2的数据进行模型设计;S5、读取验证集数据,并将数据输入到S4中的模型中,验证S4在验证集的效果;本发明通过本方法解决了传统机器学习方法下的准确率低、工作量大、响应速度慢三个问题,并且大幅度提升了准确率和召回率,致力于识别司机人脸位置,建设人脸识别平台提供强有力的图像数据,大幅度提高人脸识别的准确率和减少误杀率。
技术关键词
司机
特征工程
照片
计算机可执行指令
数据
人脸位置
特征金字塔网络
网约车
机器学习方法
神经网络模型
标注工具
训练集
图像
处理器
指标
存储器
工作量
系统为您推荐了相关专利信息
点云语义分割方法
编码模块
输出特征
矩阵
三维点云数据
烟丝填充值
在线检测方法
执行卷积运算
激光扫描仪
线性预测方法
道路病害
激光点云数据
生成方法
分发系统
生成道路
老化测试电路
在线诊断方法
功率半导体器件
预测半导体器件
剩余使用寿命