基于深度学习的动态人脸情绪识别方法

    公开(公告)号:CN110084122A

    公开(公告)日:2019-08-02

    申请号:CN201910242066.4

    申请日:2019-03-28

    Abstract: 本发明揭示了一种基于深度学习的动态人脸情绪识别方法,包括如下步骤:S1、获取人脸图像序列;S2、使用VGG卷积神经网络提取所述人脸图像序列中的每一张图像的图像特征;S3、使用LSTM循环神经网络,结合S2中提取的所述图像特征,识别人脸情绪;S4、使用损失函数对网络进行反复训练,优化网络参数,构建完整的动态人脸情绪识别模型;本发明着眼于动态人脸情绪的分析,通过采集人脸图像序列进行分析的方式,有效地兼顾到了人类情绪阶段化的特点。同时,本发明通过将VGG卷积神经网络和LSTM循环神经网络相结合的方式完成了对人脸图像序列的处理,显著地提升了情绪识别的准确率。

    一种基于双目标LP的网约车在线订单匹配方法

    公开(公告)号:CN113269341A

    公开(公告)日:2021-08-17

    申请号:CN202110550021.0

    申请日:2021-05-20

    Abstract: 本发明提供了一种基于双目标LP的网约车在线订单匹配方法,本发明首先针对网约车匹配问题抽象出二分图,设定公平性和收益两个优化目标,并建立LP约束。然后,创建系数矩阵,并借助单纯形算法求得LP的两个最优数值解。接着,当订单在线到达时,对LP求得的数值解进行舍入,得到随机二元向量。最后,依照设定的概率选择表示收益或公平性的二元向量,并按照随机排列进行订单匹配。本发明考虑到了订单分配场景中的公平性问题,在订单匹配的过程中,同时考虑了网约车平台的收益和司机间的公平性,并能够灵活的调整二者的权重,以便于平台更好地权衡司机资源与金钱收益,能够有助于平台的长远发展。

    基于深度学习的动态人脸情绪识别方法

    公开(公告)号:CN110084122B

    公开(公告)日:2022-10-04

    申请号:CN201910242066.4

    申请日:2019-03-28

    Abstract: 本发明揭示了一种基于深度学习的动态人脸情绪识别方法,包括如下步骤:S1、获取人脸图像序列;S2、使用VGG卷积神经网络提取所述人脸图像序列中的每一张图像的图像特征;S3、使用LSTM循环神经网络,结合S2中提取的所述图像特征,识别人脸情绪;S4、使用损失函数对网络进行反复训练,优化网络参数,构建完整的动态人脸情绪识别模型;本发明着眼于动态人脸情绪的分析,通过采集人脸图像序列进行分析的方式,有效地兼顾到了人类情绪阶段化的特点。同时,本发明通过将VGG卷积神经网络和LSTM循环神经网络相结合的方式完成了对人脸图像序列的处理,显著地提升了情绪识别的准确率。

Patent Agency Ranking