龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：重庆邮电大学
摘要：本发明请求保护一种多粒度感知与标签分布学习的人脸表情识别方法GPLDL，旨在设计针对实际场景下表情的不确定性问题的人脸表情识别模型，属于模式识别领域。所述方法包括以下步骤：首先，设计一种多粒度层次感知融合模块，有效结合了低层次的细节特征和高层次的语义信息，增强了模型在区分细微表情差异方面的能力。其次，通过渐进式训练，从表情图像的不同粒度水平中学习多粒度特征，并尽可能的保持了面部特征的结构完整性。此外，我们还设计了一个全局感知注意力模块，用于捕捉面部的全局上下文信息。最后，设计了一个标签分布学习模块，以构建更全面的情感分布，有效缓解了模糊表情对模型学习的消极影响。并引入了标签分布损失，进一步提高表情识别准确性。
主权项：1.一种多粒度感知与标签分布学习的人脸表情识别方法，其特征在于，包括以下步骤：步骤1、将每一张图像输入网络进行特征提取前，将其分割为3种不同粒度级别的图像，并将图像块进行随机打乱处理；步骤2、将数据增强后的三张不同粒度表情图像输入到基础网络的后三层中，遵循粗粒度输入至深层网络提取粗粒度表情特征，细粒度输入至浅层网络提取细粒度表情特征，同时将粗粒度表情特征输入至全局感知注意力模块GPAM提取全局表情特征；步骤3、对不同粒度阶段所提取的多粒度特征采用渐进式训练方法，先将细粒度图像输入至低层网络通过分类损失进行训练，再逐步将更大粒度图像输入至基础网络的下一阶段，直至最深层网络；整个过程训练三次，最后将渐进式训练得到的不同粒度特征进行拼接得到多粒度局部特征；步骤4、将融合后的多粒度局部表情特征与全局感知表情特征进行融合，最终经过一个全连接层以及归一化处理得到最终的预测分布；将此前渐进式训练得到的不同粒度特征分别计算与多粒度融合特征的粒度相似度，以此构建标签分布；最后将构建的标签分布作为监督信号，设计一种分布损失，训练整体网络；并将网络的所有输出预测整合，作为最终预测，进行表情分类。
全文数据：
权利要求：
百度查询： 重庆邮电大学 一种多粒度感知与标签分布学习的人脸表情识别方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号