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。

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