买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中山大学申请的专利一种面向多数据集的人脸表情识别方法、系统及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116071801B 。

龙图腾网通过国家知识产权局官网在2025-08-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310026129.9，技术领域涉及：G06V40/16；该发明授权一种面向多数据集的人脸表情识别方法、系统及设备是由张东;俞承言设计研发完成，并于2023-01-09向国家知识产权局提交的专利申请。

本一种面向多数据集的人脸表情识别方法、系统及设备在说明书摘要公布了：本发明公开了一种面向多数据集的人脸表情识别方法、系统及设备，该方法包括：收集人脸表情识别数据集；基于补充数据集挑选出标注标准一致的子集；利用标注标准一致的子集训练多任务深度学习模型；利用多任务深度学习模型对目标数据集和补充数据集赋予伪标签，并将补充数据集的标注标准统一到目标数据集上，得到标注标准统一后的人脸表情识别数据样本；利用标注标准统一后的人脸表情识别数据数据样本训练多任务深度学习模型，得到人脸表情识别模型；利用人脸表情识别模型进行人脸表情识别，输出特征结果。通过使用本发明，能够实现跨数据集的训练模型并且同时考虑离散标签和连续标签，使得识别结果更加准确。

本发明授权一种面向多数据集的人脸表情识别方法、系统及设备在权利要求书中公布了：1.一种面向多数据集的人脸表情识别方法，其特征在于，包括以下步骤： 收集人脸表情识别数据集，所述人脸表情识别数据集包括目标数据集和补充数据集； 基于补充数据集挑选出标注标准一致的子集； 利用标注标准一致的子集训练多任务深度学习模型； 利用多任务深度学习模型对目标数据集和补充数据集赋予伪标签，并将补充数据集的标注标准统一到目标数据集上，得到标注标准统一后的人脸表情识别数据样本； 利用标注标准统一后的人脸表情识别数据样本训练多任务深度学习模型，得到人脸表情识别模型； 利用人脸表情识别模型进行人脸表情识别，输出特征结果； 所述目标数据集为只包含离散标签或只包含连续标签或既包含离散标签又包含连续标签的数据集； 所述补充数据集至少包括一个既包含离散标签又包含连续标签的数据集； 所述利用多任务深度学习模型对目标数据集和补充数据集赋予伪标签，并将补充数据集的标注标准统一到目标数据集上，得到标注标准统一后的人脸表情识别数据样本这一步骤具体包括： 利用多任务深度学习模型对目标数据集和补充数据集赋予伪标签，得到双标签目标数据集和双标签补充数据集； 将双标签补充数据集中的连续标签和离散标签的标注标准分别统一到目标数据集上，得到标注标准统一后的人脸表情识别数据集； 所述将双标签补充数据集中的连续标签和离散标签的标注标准分别统一到目标数据集上，得到标注标准统一后的人脸表情识别数据集这一步骤具体为： 将双标签补充数据集中的连续标签和离散标签的标注标准分别统一到双标签目标数据集上； 将目标数据集中的连续标签按照离散标签进行分类，将每一部分看作二维高斯分布，计算其均值与协方差，得到第一类数据； 将补充数据集中的连续标签按照离散标签进行分类，将每一部分看作二维高斯分布，计算其均值与协方差，得到第二类数据； 基于第一类数据和第二类数据利用线性变换公式将双标签补充数据集中的连续标签映射到双标签目标数据集的标注标准之下； 所述线性变换公式表示如下： PiPiT＝∑i QiQiT＝∑Ei 其中，Ti表示服从目标数据集中第i类连续标签分布的一个随机变量，表示服从补充数据集中第i类连续标签分布的一个随机变量，μi表示目标数据集中连续标签分类后的第i部分的均值，∑i表示目标数据集中连续标签分类后的第i部分的协方差，表示补充数据集中连续标签分类后的第i部分的均值，∑Ei表示补充数据集中连续标签分类后的第i部分的协方差。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。