申请/专利权人:东南大学
申请日:2021-11-09
公开(公告)日:2024-04-16
公开(公告)号:CN114140843B
主分类号:G06V40/16
分类号:G06V40/16;G06V10/774
优先权:
专利状态码:有效-授权
法律状态:2024.04.16#授权;2022.03.22#实质审查的生效;2022.03.04#公开
摘要:本发明公开了一种基于样本自修复的跨数据库表情识别方法,包括如下步骤:1获取两个表情数据库,分别作为训练数据库和测试数据库;2从训练数据库和测试数据库中的表情图片中提取出灰度人脸图像,再经过特征提取网络提取人脸表情特征;3建立离群感知模型;4建立离群修复模型;5建立特征转移模型;6将得到的特征向量经过一个全连接层,在全连接层后添加softmax层,计算加权交叉熵以压制离群数据;7对于训练数据库表情,按照步骤2~6训练得到样本自修复网络;8对于待识别的测试数据库表情,按照步骤2、5、6,输出即为识别出的表情类别。本发明识别准确率更高,更方便。
主权项:1.一种基于样本自修复的跨数据库表情识别方法,其特征在于,包括如下步骤:1获取两个表情数据库,分别作为训练数据库和测试数据库,其中,每个表情数据库中包含有若干表情图片样本和对应类别标签;2从训练数据库和测试数据库中的表情图片中提取出灰度人脸图像,再经过特征提取网络提取人脸表情特征;3建立离群感知模型,得到表情特征与离群感知系数的映射关系;具体包括如下步骤:3-1将特征向量与同维度的全连接层相乘,得到标量;3-2将标量进行sigmoid操作,得到0-1之间的标量用以表示离群感知系数,上述步骤关系式为: 式中,αi代表每个样本的离群感知系数,σ.代表sigmoid激活函数,wOP代表全连接层参数,代表训练集特征向量;4建立离群修复模型,对上一步骤产生的离群感知系数进行约束;5建立特征转移模型,修复源域中的离群数据,提取域不变特征;6将经过上述步骤得到的特征向量经过一个全连接层,全连接层的输出维度与数据库的表情类别数一致,在全连接层后添加softmax层,将离群感知系数加权至softmax中,计算加权交叉熵以压制离群数据,突出离群感知系数高的数据;7对于训练数据库表情,按照步骤2~6训练得到样本自修复网络;8对于待识别的测试数据库表情,按照步骤2、5、6,输出即为识别出的表情类别。
全文数据:
权利要求:
百度查询: 东南大学 一种基于样本自修复的跨数据库表情识别方法
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。