唇语识别的深度学习方法综述

来源 :计算机工程与应用 | 被引量 : 0次 | 上传用户:jin_sarah
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着深度学习的不断发展,唇语识别领域的研究取得了重大进展,涌现了许多唇语识别的深度学习算法.依据识别对象的连续性,将唇语识别分为孤立唇语识别和连续唇语识别,并对各识别任务的深度学习方法进行了详细和深入的分析总结.从孤立唇语识别的深度学习方法和连续唇语识别的深度方法两个方面介绍了主流唇语识别方法,并对各方法的优缺点和性能进行比较;对不同数据集下代表性方法的特点和性能进行比较,对两类方法的优缺点和适用范围进行阐述;讨论了唇语识别方法存在的问题和挑战,并对唇语识别方法的研究趋势进行了展望.
其他文献
清华大学郑莉教授主编的教材《C++语言程序设计》(第5版)(ISBN:9787302566915),于2020年11月由清华大学出版社出版.该书第一版于1999年12月出版,随后经过4次修订,形成了目前的第5版.rn该书先后被评为“北京高等教育精品教材”“普通高等教育\'十一五\'国家级规划教材”“\'十二五\'普通高等教育本科国家级规划教材”“普通高等教育国家级精品教材”“清华大学优秀教材特等奖”等.2021年该书荣获“首届全国教材建设奖全国优秀教材(高等教育类)一等奖”.
期刊
跨年龄人脸识别是目前人脸识别中的一大难点问题,人脸特征会随着年龄的增长发生变化,导致识别准确率降低,利用老化模型生成老化图像后进行人脸识别为该问题提供了一种解决方案.随着计算机技术和深度学习的广泛应用,人脸老化的真实性、老化效果、算法效率都得到了明显的提升,系统综述了基于老化模型的跨年龄人脸识别的研究现状,对人脸老化方法进行了详细地梳理,系统介绍了老化模型的方法演变和各类方法的优缺点,并对现有的模型评价方法进行了总结归纳.对现有的可用于跨年龄人脸识别的数据集进行了详细介绍,从数据量、年龄跨度、年龄准确性、
深度学习技术发展迅速,在医学图像处理领域取得了显著成果.但是由于医学图像样本少,标注困难,使得深度学习的效果远未达到预期.近年,利用迁移学习方法缓解医学图像样本不足的问题,提高深度学习技术在医学图像领域的效果,成为了研究热点之一.介绍了迁移学习方法的基本概念、类型、常用策略及模型,根据迁移学习方法的类型,对当前医学图像领域具有代表性的相关研究进行了梳理与小结,对该领域的未来发展进行了总结和展望.