-
公开(公告)号：CN112801040B
公开(公告)日：2022-09-23
申请号：CN202110249304.1
申请日：2021-03-08
Applicant: 重庆邮电大学
Abstract: 本发明涉及无约束人脸表情识别领域，特别涉及一种嵌入高阶信息的轻量级无约束人脸表情识别方法及系统，所述方法包括对输入的数据进行预处理以及图像增强，并输入到轻量级特征提取网络中，提取出人脸表情图像的深层特征图；将深层特征图输入二阶有效通道注意力模块的输入，统计深层表情特征的二阶信息并捕获跨通道特征间的相互依赖关系；使用交叉熵损失和中心损失联合优化网络模型；将待测的人脸表情图像输入到训练好的网络模型中，分类器根据人脸表情特征输出最终预测表情类别；本发明的网络模型具有较少的参数量，较低的显存需求和计算量，并且没有使用额外的数据预训练模型，精度较高，相关产品的适用性较强。
-
公开(公告)号：CN111931630A
公开(公告)日：2020-11-13
申请号：CN202010776415.3
申请日：2020-08-05
Applicant: 重庆邮电大学
Abstract: 本发明属于人脸动态表情识别领域，尤其涉及了一种基于人脸特征点数据增强的动态表情识别方法，该方法包括：获取原始人脸数据集，对原始人脸数据集进行预处理，得到人脸数据训练集；所述人脸数据训练集包括原始人脸数据集、原始轨迹图和新的轨迹图；将训练集输入到构建好的3CNN模型中进行模型训练；实时获取人脸数据，将获取的人脸数据输入到训练好的3CNN模型中，得到该人脸动态表情识别结果；本发明通过对人脸特征数据进行增强处理，使得在训练卷积神经网络模型时有足够的数据对模型进行训练，最终得到的结果更精确。
-
公开(公告)号：CN111931630B
公开(公告)日：2022-09-09
申请号：CN202010776415.3
申请日：2020-08-05
Applicant: 重庆邮电大学
Abstract: 本发明属于人脸动态表情识别领域，尤其涉及了一种基于人脸特征点数据增强的动态表情识别方法，该方法包括：获取原始人脸数据集，对原始人脸数据集进行预处理，得到人脸数据训练集；所述人脸数据训练集包括原始人脸数据集、原始轨迹图和新的轨迹图；将训练集输入到构建好的3CNN模型中进行模型训练；实时获取人脸数据，将获取的人脸数据输入到训练好的3CNN模型中，得到该人脸动态表情识别结果；本发明通过(56)对比文件钟福金.局部方向模式在人脸识别中的改进方案《.宜宾学院学报》.2012,第12卷(第6期),王军南.人脸特征点检测方法研究《.中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》.2015,Mi, Jian-Xun 等.Bilateral structurebased matrix regression classificationfor face recognition《.Neurocomputing》.2019,周晓云.基于多尺度卷积神经网络的出行目的地预测技术研究《.中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》.2019,吴昊 等.融合DCLBP和HOAG特征的人脸表情识别方法《.电子测量与仪器学报》.2020,第34卷(第2期),Andrew B. J. Teoh 等.An IntegratedDual Factor Authenticator Based on theFace Data and Tokenised Random Number.《Biometric Authentication》.2004,
-
公开(公告)号：CN112801040A
公开(公告)日：2021-05-14
申请号：CN202110249304.1
申请日：2021-03-08
Applicant: 重庆邮电大学
Abstract: 本发明涉及无约束人脸表情识别领域，特别涉及一种嵌入高阶信息的轻量级无约束人脸表情识别方法及系统，所述方法包括对输入的数据进行预处理以及图像增强，并输入到轻量级特征提取网络中，提取出人脸表情图像的深层特征图；将深层特征图输入二阶有效通道注意力模块的输入，统计深层表情特征的二阶信息并捕获跨通道特征间的相互依赖关系；使用交叉熵损失和中心损失联合优化网络模型；将待测的人脸表情图像输入到训练好的网络模型中，分类器根据人脸表情特征输出最终预测表情类别；本发明的网络模型具有较少的参数量，较低的显存需求和计算量，并且没有使用额外的数据预训练模型，精度较高，相关产品的适用性较强。
-
-
-
Search Results
4
records
(took 0.012 seconds)
