-
公开(公告)号：CN115049957B
公开(公告)日：2024-06-07
申请号：CN202210605395.2
申请日：2022-05-31
Applicant: 东南大学
IPC: G06V20/40 , G06V40/16 , G06V10/82 , G06V10/774 , G06V10/764 , G06T7/30 , G06T7/11 , G06N3/0464 , G06F16/75 , G06F16/71
Abstract: 本发明公开了一种基于对比放大网络的微表情识别方法及装置，方法包括：(1)获取微表情数据库(2)将微表情视频转换为微表情帧序列，预处理后采样作为源样本；(3)对于每个源样本，计算剩余帧与该源样本在嵌入空间的距离，并映射成概率，得到距离概率分布；(4)根据概率分布从剩余视频帧中采样多个帧作为负样本；(5)构建对比放大网络；(6)每个源样本进行数据增强形成锚样本和正样本，将锚样本、正样本和对应的负样本作为训练样本输入对比放大网络进行训练，损失函数为视频内对比损失、类间对比损失、交叉熵损失之和；(7)将待识别的微表情视频预处理后输入训练好的对比放大网络，识别出微表情类别。本发明准确率更高，更方便。
-
公开(公告)号：CN111259761B
公开(公告)日：2024-06-07
申请号：CN202010030240.1
申请日：2020-01-13
Applicant: 东南大学
IPC: G06F18/21 , G06F18/24 , G06N3/042 , G06N3/044 , G06N3/045 , G06N3/0464 , G06N3/084 , A61B5/00 , A61B5/16
Abstract: 本发明公开了一种基于可迁移注意力神经网络的脑电情感识别方法及装置，其中，方法包括：(1)获取一个脑电情感数据库，分为训练集和测试集；(2)建立基于可迁移注意力神经网络的脑电情感识别网络，所述脑电情感识别网络包括特征提取器和情感分类器，所述特征提取器包括依次连接的深度特征提取模块、局部注意力子网和全局注意力子网；(3)网络进行训练，总损失为情感分类器损失加上注意力熵损失后再减去注意力子网和全局注意力子网损失，通过随机梯度下降法更新网络参数；(4)提取待识别的脑电情感数据，将其作为一个测试集样本输入训练好的脑电情感识别网络，并按照步骤(3)对脑电情感识别网络调整，得到识别的情感类别。本发明识别准确率更高。
-
公开(公告)号：CN114469137B
公开(公告)日：2023-12-26
申请号：CN202111560169.9
申请日：2021-12-20
Applicant: 东南大学
Abstract: 本发明公开了一种基于空时特征融合模型的跨领域脑电情感识别方法和系统，方法包括：(1)获取两个脑电情感数据库，一个作为训练集另一个作为测试集；(2)建立脑电情感识别网络，包括从前到后依次连接的预处理器、数据对齐器、空时特征提取器和情感分类器，其中，所述空时特征提取器首先提取脑电情感数据的时频谱特征，然后将提取的时频谱特征转换为三维张量后进行空时特征提取，所述情感分类器根据空时特征进行情感分类；(3)对所述脑电情感识别网络进行训练；(4)获取待识别的脑电情感数据，将其作为一个测试集样本输入训练好的脑电情感识别网络，得到识别的情感类别。本发明识别准确率更高。
-
公开(公告)号：CN111259759B
公开(公告)日：2023-04-28
申请号：CN202010030236.5
申请日：2020-01-13
Applicant: 东南大学
IPC: G06V40/16 , G06V10/766 , G06V10/778 , G06F16/75 , G06F16/78 , G06F16/783
Abstract: 本发明公开了一种基于域选择迁移回归的跨数据库微表情识别方法及装置，包括：(1)获取两个微表情数据库，分别作为训练数据库和测试数据库，其中，每个微表情数据库中包含有若干微表情视频和对应的微表情类别标签；(2)将训练数据库和测试数据库中的微表情视频转换为微表情图像序列，并从中提取出灰度人脸图像，再经过分块后提取人脸局部区域特征；(3)建立域选择迁移回归模型，并采用人脸局部区域特征对其进行学习，得到一个连接人脸局部区域特征与微表情类别标签之间的稀疏投影矩阵；(4)对于待识别的微表情，按照步骤(2)得到人脸局部区域特征，并采用学习到的稀疏投影矩阵，得到对应的微表情类别标签。本发明准确率更高。
-
公开(公告)号：CN114743235B
公开(公告)日：2024-10-18
申请号：CN202210196086.4
申请日：2022-03-01
Applicant: 东南大学
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于稀疏化自注意力机制的微表情识别方法及系统，方法包括：(1)获取微表情数据库(2)将微表情视频转换为微表情图像序列并进行预处理；(3)对预处理后的微表情图像序列使用运动放大网络进行微表情强度的放大，得到增强微表情图像序列；(4)建立微表情识别网络，所述微表情识别网络包括resnet‑18、稀疏化自注意力模块、特征拼接层、第一全连接层、第二全连接层和softmax层(5)训练微表情识别网络；(6)对于待识别的微表情视频，依次按照步骤(2)、(3)处理，并输入训练好的微表情识别网络，得到对应的微表情类别。本发明识别准确率更高。
-
Patent Agency Ranking
公开(公告)号：CN114743235A
公开(公告)日：2022-07-12
申请号：CN202210196086.4
申请日：2022-03-01
Applicant: 东南大学
IPC: G06V40/16 , G06V10/774 , G06K9/62
Abstract: 本发明公开了一种基于稀疏化自注意力机制的微表情识别方法及系统，方法包括：(1)获取微表情数据库(2)将微表情视频转换为微表情图像序列并进行预处理；(3)对预处理后的微表情图像序列使用运动放大网络进行微表情强度的放大，得到增强微表情图像序列；(4)建立微表情识别网络，所述微表情识别网络包括resnet‑18、稀疏化自注意力模块、特征拼接层、第一全连接层、第二全连接层和softmax层(5)训练微表情识别网络；(6)对于待识别的微表情视频，依次按照步骤(2)、(3)处理，并输入训练好的微表情识别网络，得到对应的微表情类别。本发明识别准确率更高。
-
公开(公告)号：CN110516571B
公开(公告)日：2022-02-11
申请号：CN201910756936.X
申请日：2019-08-16
Applicant: 东南大学
IPC: G06V40/16 , G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于光流注意力神经网络的跨库微表情识别方法及装置，方法包括：(1)获取两个不同的微表情数据库作为训练集和测试集；(2)将微表情视频转化为人脸图像序列；(3)从每一人脸图像序列中抽取起始帧、峰值帧和终止帧，由起始帧和峰值帧计算得到第一单通道光流图，由峰值帧和终止帧计算得到第二单通道光流图；(4)将每一人脸图像序列的第一单通道光流图、第二单通道光流图和峰值帧组成融合特征图；(5)建立光流注意力神经网络，并将训练集和测试集对应融合特征图作为输入进行训练；(6)将待识别的微表情视频处理得到融合特征图，输入光流注意力神经网络，得到微表情类别。本发明泛化能力强，识别准确率高。
-
公开(公告)号：CN115830682A
公开(公告)日：2023-03-21
申请号：CN202211562229.5
申请日：2022-12-07
Applicant: 东南大学
IPC: G06V40/16
Abstract: 本发明公开了一种基于样本自适应的微表情放大方法及装置，包括：(1)获取微表情数据库；(2)将微表情视频转换为微表情帧序列，并对序列长度进行统一；(3)构建微表情放大模型，所述微表情放大模型包括：强度提取模块，强度变化曲线构造模块，强度校正模块，人脸增强模块，微表情特征整合模块，(4)将统一长度的微表情帧序列和对应的微表情类别标签作为样本输入微表情放大模型进行训练，训练时采用的损失函数包括微表情特征向量交叉熵损失、强度提取的损失和强度校正的损失；(5)将待放大的微表情视频进行长度统一后输入训练好的微表情放大模型，得到放大后的微表情特征向量。本发明可以根据每个微表情视频进行自适应放大，效果更好。
-
公开(公告)号：CN111259761A
公开(公告)日：2020-06-09
申请号：CN202010030240.1
申请日：2020-01-13
Applicant: 东南大学
Abstract: 本发明公开了一种基于可迁移注意力神经网络的脑电情感识别方法及装置，其中，方法包括：(1)获取一个脑电情感数据库，分为训练集和测试集；(2)建立基于可迁移注意力神经网络的脑电情感识别网络，所述脑电情感识别网络包括特征提取器和情感分类器，所述特征提取器包括依次连接的深度特征提取模块、局部注意力子网和全局注意力子网；(3)网络进行训练，总损失为情感分类器损失加上注意力熵损失后再减去注意力子网和全局注意力子网损失，通过随机梯度下降法更新网络参数；(4)提取待识别的脑电情感数据，将其作为一个测试集样本输入训练好的脑电情感识别网络，并按照步骤(3)对脑电情感识别网络调整，得到识别的情感类别。本发明识别准确率更高。
-
公开(公告)号：CN111259759A
公开(公告)日：2020-06-09
申请号：CN202010030236.5
申请日：2020-01-13
Applicant: 东南大学
IPC: G06K9/00 , G06F17/18 , G06F16/75 , G06F16/78 , G06F16/783
Abstract: 本发明公开了一种基于域选择迁移回归的跨数据库微表情识别方法及装置，包括：(1)获取两个微表情数据库，分别作为训练数据库和测试数据库，其中，每个微表情数据库中包含有若干微表情视频和对应的微表情类别标签；(2)将训练数据库和测试数据库中的微表情视频转换为微表情图像序列，并从中提取出灰度人脸图像，再经过分块后提取人脸局部区域特征；(3)建立域选择迁移回归模型，并采用人脸局部区域特征对其进行学习，得到一个连接人脸局部区域特征与微表情类别标签之间的稀疏投影矩阵；(4)对于待识别的微表情，按照步骤(2)得到人脸局部区域特征，并采用学习到的稀疏投影矩阵，得到对应的微表情类别标签。本发明准确率更高。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.015 seconds)
