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。

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