公开(公告)号：CN114529973B

公开(公告)日：2024-11-05

申请号：CN202210160626.3

申请日：2022-02-22

Applicant: 中南林业科技大学

Inventor： 潘丽丽 ,  邵伟志 ,  马俊勇 ,  熊思宇

IPC: G06V40/16 ,  G06V10/74 ,  G06V10/762 ,  G06V10/766 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种半监督人脸情绪识别方法，包括获取基础图像数据样本；对标签数据进行预测，计算预测值和标签值之间的距离作为监督损失；将无标签数据生成平滑伪标签，将平滑伪标签和预测值之间的距离作为半监督损失；构建基于相似性学习的三元组损失，包括对图像数据的深度特征进行聚类，构建三元组，计算相似性三元组损失，构建完整损失函数，并根据梯度下降更新网络参数；获取半监督人脸情绪识别模型，并对当前的人脸图像数据进行情绪分析。本发明在连续域数据集中识别准确高效，同时通过调整末端在离散域数据集中取得了优异的识别率；本发明通过基于相似性学习的三元组损失函数，能够学习人脸图像间的相似性，提高了情绪变化的识别率。

公开(公告)号：CN114529973A

公开(公告)日：2022-05-24

申请号：CN202210160626.3

申请日：2022-02-22

Applicant: 中南林业科技大学

Inventor： 潘丽丽 ,  邵伟志 ,  马俊勇 ,  熊思宇

IPC: G06V40/16 ,  G06V10/74 ,  G06V10/762 ,  G06V10/766 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了一种半监督人脸情绪识别方法，包括获取基础图像数据样本；对标签数据进行预测，计算预测值和标签值之间的距离作为监督损失；将无标签数据生成平滑伪标签，将平滑伪标签和预测值之间的距离作为半监督损失；构建基于相似性学习的三元组损失，包括对图像数据的深度特征进行聚类，构建三元组，计算相似性三元组损失，构建完整损失函数，并根据梯度下降更新网络参数；获取半监督人脸情绪识别模型，并对当前的人脸图像数据进行情绪分析。本发明在连续域数据集中识别准确高效，同时通过调整末端在离散域数据集中取得了优异的识别率；本发明通过基于相似性学习的三元组损失函数，能够学习人脸图像间的相似性，提高了情绪变化的识别率。