-
公开(公告)号:CN117558049A
公开(公告)日:2024-02-13
申请号:CN202311517820.3
申请日:2023-11-15
Applicant: 上海大学
Abstract: 本发明涉及一种基于人口特征因素的面部表情识别的方法,包括以下步骤:人脸识别,得到面部表情对象;分析人口因素特征信息之间的联系,训练人口因素限制性加强特征框架;将面部对象输入人口因素限制性加强特征框架,获得人口因素特性信息空间;获得多类型空间特征信息区域;利用骨干网络对多类型空间特征信息区域进行学习,获得面部多区块特征;获得面部多区块特征注意力置信度;将面部多区块特征注意力置信度与对应的面部多区块特征进行融合,得到面部图像的区块自适应特征表达,通过融合区块自适应特征表达对面部表情进行判断。与现有技术相比,本发明具有有效的扩大了对象面部信息范围,提高了面部区域特征有效利用率等优点。
-
公开(公告)号:CN117636423A
公开(公告)日:2024-03-01
申请号:CN202311517822.2
申请日:2023-11-15
Applicant: 上海大学
Abstract: 本发明涉及一种基于面部多领域特征的自适应表情识别的方法,包括以下步骤:表情图像预处理,生成第一面部多领域对象;获取面部表情对象与第一面部多领域对象的初始相似度;获取其综合相似置信度;选择第二面部多领域对象;面部表情对象与第二面部多领域对象融合,得到面部对象;面部表情对象与面部多领域对象粗粒度特征提取;面部表情对象与面部多领域对象细粒度特征提取;利用自适应特征学习机制得到自适应置信度;将自适应置信度与面部对象细粒度特征进行融合,通过自适应表情特征对面部表情进行判断。与现有技术相比,本发明具有以解决复杂场景存在多种噪声干扰导致表情特征提取影响的问题,优化了表情特征提取效率,提高了表情识别的准确率等优点。
-
公开(公告)号:CN109246450B
公开(公告)日:2021-07-06
申请号:CN201810882454.4
申请日:2018-08-06
Applicant: 上海大学
IPC: H04N21/25 , H04N21/258 , H04N21/45 , H04N21/466 , G06F16/9535
Abstract: 本发明提出了一种基于隐式信息评分的影视择优推荐系统和方法,本系统包括用户使用情况检测模块、择优推荐系统处理模块、用户日志信息采集处理模块、用户日志信息存储模块、隐式信息评分查询/构建/更新模块、隐式信息评分存储模块和推荐结果展示模块等模块;本方法是通过对本系统各模块的介绍,结合基于用户的历史行为日志的分析,提出了基于隐式信息计算用户在不同时段下对不同因素(标签、演员、导演等)的偏好并据此对节目进行隐式评分进而提供推荐。在真实数据集上同被广泛应用于推荐系统的其它算法比较,实验结果表明其平均精度均值较高,具有一定的应用前景和价值,可以较好地应用在在线影视推荐系统或其它类似商品推荐系统中。
-
公开(公告)号:CN109241341A
公开(公告)日:2019-01-18
申请号:CN201810435021.4
申请日:2018-05-09
Applicant: 上海大学
IPC: G06F16/73
Abstract: 本发明提出了一种基于知识图谱的影视择优推荐系统和方法,本系统包括影视资源采集模块、影视知识图谱构建模块、影视知识图谱存储模块、择优推荐系统处理模块、用户信息采集模块和结果展示模块。本方法是通过对推荐系统的模块介绍,结合基于知识图谱的择优推荐方法,通过对影视媒体多维度属性的分析,结合影响影视内容的因素,引入影响因素权重因子,建立了基于双层元路径的影视个性化推荐模型,并以此为基础,给出了基于双层元路径的影视个性化推荐实现算法。在某影视集团提供的真实数据集上同其他同类算法比较命中率,推荐覆盖率,实时性等评价指标,三组实验方案的结果表明,此次所提出的的模型正确、算法有效,不仅推荐的有效性高,而且性能明显优于同类算法,可以较好地应用于影视推荐、影院的排片及影视资源的投放等。
-
公开(公告)号:CN109246450A
公开(公告)日:2019-01-18
申请号:CN201810882454.4
申请日:2018-08-06
Applicant: 上海大学
IPC: H04N21/25 , H04N21/258 , H04N21/45 , H04N21/466 , G06F16/9535
Abstract: 本发明提出了一种基于隐式信息评分的影视择优推荐系统和方法,本系统包括用户使用情况检测模块、择优推荐系统处理模块、用户日志信息采集处理模块、用户日志信息存储模块、隐式信息评分查询/构建/更新模块、隐式信息评分存储模块和推荐结果展示模块等模块;本方法是通过对本系统各模块的介绍,结合基于用户的历史行为日志的分析,提出了基于隐式信息计算用户在不同时段下对不同因素(标签、演员、导演等)的偏好并据此对节目进行隐式评分进而提供推荐。在真实数据集上同被广泛应用于推荐系统的其它算法比较,实验结果表明其平均精度均值较高,具有一定的应用前景和价值,可以较好地应用在在线影视推荐系统或其它类似商品推荐系统中。
-
-
-
-