【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种基于注意力和相对距离对齐的低分辨率人脸表情识别方法、系统、存储介质和电子设备。
技术介绍
1、人脸表情识别是指从静态图像或者图像序列中提取表情特征，基于提取的特征信息，并通过设计相应的分类算法把表情归为某一类别的分类任务。在现实应用场景下，由监控摄像头、智能手机等设备获取的人脸图片往往都是低质量、低分辨率的。因此低分辨率人脸表情识别成为一项关键任务。
2、例如，专利cn202110055946.8公开了一种基于特征重建模型的低分辨率图像人脸表情识别方法，其采用特征级超分辨率的方法：首先利用固定参数的特征提取器在低分辨率人脸图像上提取图像特征，再将其输入生成对抗网络生成相应的超分辨率特征，最后将得到的超分辨率特征输入分类器进行分类，从而预测表情类别。
3、然而，超分辨率方法会大大增加训练和预测的计算成本，此外，随着图像分辨率的降低，由于空间信息的丢失，高分辨率图像和低分辨率图像的特征之间会存在巨大差异，该方法难以在特征上恢复图像真正的细节。
技术实现思
<本文档来自技高网...【技术保护点】
1.一种基于注意力和相对距离对齐的低分辨率人脸表情识别方法，其特征在于，引入分为教师模型和学生模型的知识蒸馏，所述教师模型和学生模型采用相同的端到端结构；该方法包括：
2.如权利要求1所述的低分辨率人脸表情识别方法，其特征在于，在将各所述高分辨率图像作为预先训练好的教师模型的输入，以及将各所述低分辨率图像作为待训练的学生模型的输入之前，包括：
3.如权利要求1所述的低分辨率人脸表情识别方法，其特征在于，所述注意力对齐损失表示为：
4.如权利要求3所述的低分辨率人脸表情识别方法，其特征在于，所述相对距离对齐损失包括二元相对距离对齐损失...
【技术特征摘要】
1.一种基于注意力和相对距离对齐的低分辨率人脸表情识别方法，其特征在于，引入分为教师模型和学生模型的知识蒸馏，所述教师模型和学生模型采用相同的端到端结构；该方法包括：
2.如权利要求1所述的低分辨率人脸表情识别方法，其特征在于，在将各所述高分辨率图像作为预先训练好的教师模型的输入，以及将各所述低分辨率图像作为待训练的学生模型的输入之前，包括：
3.如权利要求1所述的低分辨率人脸表情识别方法，其特征在于，所述注意力对齐损失表示为：
4.如权利要求3所述的低分辨率人脸表情识别方法，其特征在于，所述相对距离对齐损失包括二元相对距离对齐损失和三元相对距离对齐损失。
5.如权利要求4所述的低分辨率人脸表情...
【专利技术属性】
技术研发人员：孙晓，安鎏玮，崔子舜，董腾腾，汪萌，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。