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！

龙图腾网恭喜西南石油大学申请的专利一种基于课程学习和标签平滑的两阶段面部表情识别方法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：CN116798093B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202310683984.7，技术领域涉及：G06V40/16；该发明授权一种基于课程学习和标签平滑的两阶段面部表情识别方法是由程吉祥;吴杰东;李志丹;余玲;宋祖健设计研发完成，并于2023-06-10向国家知识产权局提交的专利申请。

本一种基于课程学习和标签平滑的两阶段面部表情识别方法在说明书摘要公布了：本发明公开了一种基于课程学习和标签平滑的两阶段面部表情识别方法，包括如下步骤：首先将原数据集标签处理为二级结构的标签，即每个训练样本包含一个粗分类标签和细分类标签；随后设计包含粗分类网络和细分类网络的两阶段分层级联卷积神经网络；而后将课程学习的思想引入面部表情识别中，设计样本置信度感知的步调学习模块和动态标签平滑模块，根据训练进度动态调整平滑因子的大小，并逐步引入由易到难的训练样本；利用训练好的模型权重参数和构建的识别网络进行表情识别效果评估；本发明对包含易混淆标签和噪声标签的面部表情具有良好的鲁棒性和泛化性，主客观测试评价结果和对比实验都证明了本发明方法的有效性和先进性。

本发明授权一种基于课程学习和标签平滑的两阶段面部表情识别方法在权利要求书中公布了：1.一种基于课程学习和标签平滑的两阶段面部表情识别方法，其特征在于，包括以下步骤：S1、首先，根据粗细分类网络的功能，将原数据集标签处理为两级标签，即每个样本都有一个粗分类标签和一个细分类标签，粗分类标签应用于粗分类网络，根据粗分类网络的分类结果，再将细分类标签应用于相应的细分类网络中；S2、对步骤S1中的面部表情训练集图像进行人脸裁剪和对齐，并使用图像增强算法进行数据增强和数据平衡，得到预处理后的面部表情图像训练集；S3、构建两阶段分层级联卷积神经网络，在分层级联卷积神经网络结构设计方面，网络结构中粗分类网络和细分类网络将共用卷积神经网络的前三层；总网络分为3个部分，分别是粗分类网络，细分类网络A和细分类网络B；三个网络残差块里均包含2个有相同输出通道数的卷积层，每个卷积层后接一个批归一化层和ReLU激活函数，不同之处在于，粗网络设置为2分类网络，细分类网络设置为3分类网络，细分类网络B为4分类网络；S4、构建样本置信度感知的步调学习模块，基于预先定义的样本库实施置信度感知的步调学习，首先使用交叉熵损失训练的基线模型来计算每个样本的置信度分数，并按置信度分数进行排序；设计置信度感知的步调学习策略，调整超参数初始样本比率λ和epoch比率η，并基于λ和η计算步调参数其中E为总epochs数；S5、构建动态标签平滑模块，在均匀标签平滑ULS中动态降低平滑因子∈，在训练的每个epoch以α的衰减率退火平滑因子∈，其中α1；S6、使用步骤S3、S4和S5构建的基于课程学习和标签平滑的两阶段面部表情识别网络对步骤S2中预处理后的面部表情图像训练集进行训练；训练时通过分类回归层输出的结果对人脸图像进行识别和预定位，同时用矩形框标注人脸位置，且对不同人脸图像进行标识，得到带标注框与表情类别的人脸图像；S7、设置训练分层级联卷积神经网络时需要的相关超参数和常规优化算法，保存损失函数收敛时网络训练的权重参数文件；S8、构建基于课程学习和标签平滑的两阶段面部表情识别网络模型，即将步骤S7获得的权重参数文件引入至步骤S3、S4和S5构建的分层级联网络，并使用该识别模型对待检测人脸图像进行表情类别图像。

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西南石油大学，其通讯地址为：610500 四川省成都市新都区新都大道8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”。