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！

申请/专利权人：长春理工大学

摘要：本发明属于人工智能技术领域，尤其为一种带有辅助分类器的轻量化卷积网络面部情绪识别方法，该方法具体包括如下步骤，S101、构建带有辅助分类器的轻量化卷积神经网络模型；S102、准备人脸图像数据集，按比例划分为训练集和测试集；S103、将训练集中的人脸图像数据输入所述带有辅助分类器的轻量化卷积神经网络模型中进行训练；S104、在测试集中测试所述带有辅助分类器的轻量化卷积神经网络模型，优化卷积神经网络模型的参数。本发明通过采用深度可分离卷积，利用深度可分离卷积中的逐点卷积在增加模型深度同时起到降维作用，同时也引入残差网络，来进一步降低模型过拟合和梯度爆炸的可能性。

主权项：1.一种带有辅助分类器的轻量化卷积网络面部情绪识别方法，其特征在于：该方法具体包括如下步骤，S101、构建带有辅助分类器的轻量化卷积神经网络模型；所述步骤S101中构建带有辅助分类器的轻量化卷积神经网络模型包括底层卷积模块，深度可分离卷积模块，残差模块，辅助分类器，主分类器；底层卷积模块，通过多次普通卷积和批量归一化来提取人脸图像数据的纹理等浅层特征；深度可分离卷积模块，得到的浅层特征数据通过深度可分离卷积执行深度卷积和逐点卷积操作来提取人脸图像数据的深层特征；残差模块，得到的浅层特征数据通过普通卷积运算和批量归一化处理输出残差特征图；深度可分离卷积模块依次由深度可分离卷积层一、批量归一化层一、深度可分离层二、批量归一化层二、最大池化层一组成，其中，深度可分离卷积层为的卷积核进行特征提取，采用填充，保证图片卷积前后大小一致；激活函数采用Relu函数进行非线性化，残差模块主要依次由普通卷积层一、批量归一化层三、普通卷积层二和批量归一化层四组成，其中，普通卷积层采用的卷积核进行特征提取，最后将残差模块和深度可分离卷积模块提取到的深层特征进行线性融合；依次通过深度可分离卷积模块和残差模块进行3次特征提取和特征融合，得到深层的融合特征；基于深层的融合特征再通过深度可分离卷积模块和残差模块进行特征提取和特征融合，得到最终的深层融合特征；辅助分类器，输入深层的融合特征并通过普通卷积层和SENet通道注意力模块，自适应平均池化层和展平层，最后利用Softmax激活函数进行面部表情预测分类；主分类器，将最终的深层融合特征通过自适应平均池化后进行面部表情预测分类；将辅助分类器面部表情预测结果和主分类器面部表情预测结果进行自适应加权平均融合；所述深度可分离卷积模块通过深度可分离卷积执行逐通道卷积操作，并将结果应用于所有通道来提升模型的深度并实现参数共享，减小模型的参数，使模型变得轻量化；所述辅助分类器引入SENet通道注意力机制，通过构建各个特征通道的重要程度来增强或者抑制不同的通道，提高辅助分类器的识别准确度；所述残差模块利用残差模块中梯度信号可以通过“跳跃连接”实现一层的输出作为输入传递给体系结构的另一层，降低了模型过拟合和梯度爆炸的可能性；所述模型采用fer2013人脸表情数据集来进行训练，按照8：2的比例将其划分为训练集和测试集；S102、准备人脸图像数据集，按比例划分为训练集和测试集；S103、将训练集中的人脸图像数据输入所述带有辅助分类器的轻量化卷积神经网络模型中进行训练；S104、在测试集中测试所述带有辅助分类器的轻量化卷积神经网络模型，优化卷积神经网络模型的参数；S105、将待识别的人脸图像数据输入优化后的卷积神经网络模型中，得到情绪分类的预测结果。

全文数据：

权利要求：

百度查询： 长春理工大学 一种带有辅助分类器的轻量化卷积网络面部情绪识别方法