公开(公告)号：CN116311414A

公开(公告)日：2023-06-23

申请号：CN202211559276.4

申请日：2022-12-06

Applicant: 重庆邮电大学

Inventor： 周丽芳 ,  栗思秦 ,  李伟生 ,  全好

IPC: G06V40/16 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/09

Abstract: 本发明请求保护一种特征增强的轻量化网络FGNet人脸表情识别方法，属于模式识别技术领域。包括以下步骤：首先，针对深度卷积神经网络过于复杂的问题，设计了一个基于Keras神经网络框架的轻量级网络模型——FGNet，该模型在backbone的基础上加入了通道分片以及通道洗牌；其次，利用网络注意力模块对于通道和空间特征的提取能力，设计了轻量且高效的注意力模块来提取不同尺度的特征并输出具有丰富的多尺度信息，从而提高网络模型的性能；然后，针对人脸表情数据库样本类别不均衡问题，提出了自适应的类别权重，并加权于自定义的损失函数，来进一步的提升各类表情识别的准确率；最后，设计了一个人脸表情识别系统平台并进行了演示，实现端到端的人脸表情识别。

公开(公告)号：CN117037290A

公开(公告)日：2023-11-10

申请号：CN202310996708.6

申请日：2023-08-09

Applicant: 重庆邮电大学

Inventor： 周丽芳 ,  阮杭生 ,  李伟生 ,  陈艺元 ,  全好

IPC: G06V40/40 ,  G06V40/16 ,  G06T5/10 ,  G06T5/50 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0895

Abstract: 本发明请求保护一种基于全局上下文结构差异的人脸伪造检测方法，属于计算机视觉技术领域。所述方法包括以下步骤：步骤1.提出了一种频域增强模块，该模块有助于提取到高压缩率下伪造伪影的频域特征。步骤2.设计了一个新的人脸重构‑分类无监督学习的网络结构，它可以通过人脸重构学习得到伪造人脸的伪造区域来指导分类学习分支，从而提高模型的泛化性。步骤3.提出了一种自预测卷积模块，旨在学习真实人脸的全局上下文结构，随后在验证阶段使用经过学习后的卷积块来预测输入人脸的全局上下文结构信息。步骤4.本发明在编码器阶段引入了对比学习损失函数促使真实人脸的特征在潜在空间相互拉近，伪造人脸的特征相互推远。