申请/专利权人：杭州电子科技大学

申请日：2021-02-03

公开（公告）日：2024-03-19

公开（公告）号：CN112784804B

主分类号：G06V40/16

分类号：G06V40/16;G06V10/25;G06V10/82;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2021.05.28#实质审查的生效;2021.05.11#公开

摘要：本发明公开了一种基于神经网络敏感性分析的微表情识别方法。本发明首先构造一个基础的深度神经网络并在ImageNet数据集上进行预训练，再在宏表情数据集CK+上进行微调。接着，使用神经网络敏感性分析工具TCAV量化地分析该模型在表情判别过程时，人脸感兴趣区域在各层的敏感性。本发明提取TCAV分数最高层的输出，采用特征融合技术设计新的网络结构，并在微表情数据集上进行迁移学习，得到针对微表情识别的网络模型。本发明能有效提高微表情种类识别的性能。

主权项：1.基于神经网络敏感性分析的微表情识别方法，其特征在于该方法具体是：步骤S1：设计一个常规无分支的卷积神经网络结构，包含卷积层、全连接层和logit层；步骤S2：选择ImageNet数据库中的前200类事物在步骤S1中的卷积神经网络进行训练，得到网络模型；步骤S3：选择宏表情数据集CK+对由步骤S2得到的网络模型进行迁移学习，并得到相应的网络模型；步骤S4：使用神经网络敏感性分析工具TCAV对步骤S3得到的网络模型每一层进行敏感性测试；在步骤S4中根据人脸肌肉将人脸分成数个感兴趣区域，并将这些感兴趣区域作为测试样例对神经网络模型进行敏感性测试；步骤S5：根据步骤S4中得到的敏感性测试结果，对步骤S3中的神经网络进行修改，具体是：将对人脸感兴趣区域敏感性评分最高的层的输出结果分流到一个新的分支中；该分支包含一层卷积层以及一层全连接层；并将该分支的全连接层与原网络结构的全连接层进行拼接，在其后添加一个分类器；即将神经网络浅层的低级特征与深层的高级特征进行融合，联合判别微表情；这个添加了分支的网络结构即为最终的神经网络结构；步骤S6：根据步骤S5中得到的最终神经网络结构在微表情数据库上进行迁移学习，得到最终的网络模型。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 基于神经网络敏感性分析的微表情识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD