公开(公告)号：CN118506425A

公开(公告)日：2024-08-16

申请号：CN202410741600.7

申请日：2024-06-11

Applicant: 北京理工大学

Inventor： 孙士伟 ,  朱子欣 ,  颜志军 ,  肖学林 ,  傅楚皓

IPC: G06V40/16 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种表情识别方法及装置。本发明采用经典VGG神经网络并进行修改：通过减少全连接层的数量，极大地优化了神经网络的参量，使得从经典网络模型的140MB大小参量减小到10MB左右，大大节省了计算资源和训练时间；同时引入了注意力机制，让网络模型能够自主学习到重要的特征通道，使得在不过多增大模型参量的情况下，精度有一定提高；在神经网络模型训练过程中，损失函数采用加权交叉熵，基于各表情类别的重要性，对各表情类别赋予不同的权重，提高识别的精细程度；同时在损失函数中引入中心损失，缩小类内距离，提高识别精度。

公开(公告)号：CN119786014A

公开(公告)日：2025-04-08

申请号：CN202411834856.9

申请日：2024-12-13

Applicant: 北京理工大学

Inventor： 颜志军 ,  彭飞 ,  孙士伟 ,  王刘安 ,  刘梦琦 ,  肖学林 ,  李政赫 ,  赵晨兴 ,  杜亚堃

IPC: G16H50/20 ,  G16H50/70 ,  G06F18/213 ,  G06F18/25 ,  G06N3/044 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明涉及一种在并发症存在的情况下基于手机传感器数据分析抑郁情绪的方法，属于抑郁症的筛查技术领域。首先建立数据库并将建立的数据库中的数据按照7:3划分为训练集和测试集，构建不确定性推理的神经网络URNN分析收集传感器数据以评估用户的抑郁情绪；使用训练集对构建的不确定性推理的神经网络URNN进行训练，最后使用测试集对训练后的URNN进行评估。本发明的方法通过整合来自不同传感器的数据，结合机器学习和深度学习算法，从数据中提取出与抑郁症相关的特征，并考虑并发症的影响，以实现更准确的抑郁情绪分析。