申请/专利权人:广西师范大学
申请日:2024-02-04
公开(公告)日:2024-04-09
公开(公告)号:CN117854137A
主分类号:G06V40/16
分类号:G06V40/16;G06V10/82;G06V10/774;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明涉及图像处理技术领域,具体涉及一种基于正则化约束的抗噪声表情识别方法,通过构建卷积神经网络,对双视图输入图像提取出深层语义特征、低维空间特征以及预测结果;构建三项正则化约束:即实例判别性特征正则化约束,成对距离一致性正则化约束,以及邻居一致性引导的低维嵌入空间正则化约束,获得人脸表情识别模型;然后使用协同学习的策略进行模型训练,反复循环迭代生成人脸表情识别网络,利用误差反向传播训练人脸表情识别网络,生成最优网络参数,直至人脸表情识别模型收敛,最后将待测试样本输入收敛的人脸表情识别模型中,使用分类器得到人脸表情识别结果,提升模型的鲁棒性和表情识别的准确率,克服现有方法的不足。
主权项:1.一种基于正则化约束的抗噪声表情识别方法,其特征在于,包括下列步骤:步骤1:获取带人脸表情标注的人脸图像训练集,并对训练集进行预处理操作,进一步地采用数据增强策略构建双视图输入图像;步骤2:使用ResNet18特征提取器、低维空间投影层和分类器构建卷积神经网络,将双视图输入图像输入所述卷积神经网络提取深层语义特征、低维空间特征以及预测结果;步骤3:构建实例判别性特征正则化约束以及成对距离一致性正则化约束,学习具有判别性的人脸表情特征和对噪声标签鲁棒的预测结果;步骤4:构建邻居一致性引导的低维嵌入空间正则化约束,对所述卷积神经网络的低维嵌入空间进行表征校准,获得人脸表情识别模型;步骤5:将所述训练集中的人脸图像输入所述人脸表情识别模型,不断更新网络模型,生成最优网络参数,直至所述人脸表情识别模型收敛;步骤6:将待识别的人脸图像输入到收敛后的人脸表情识别模型进行测试,获取抗噪声的人脸表情识别结果。
全文数据:
权利要求:
百度查询: 广西师范大学 一种基于正则化约束的抗噪声表情识别方法
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。