【技术实现步骤摘要】
本专利技术属于图像处理，尤其涉及一种面部表情识别方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、目前，基于卷积神经网络的面部表情识别的研究仍然存在着一些难点：首先，现有面部表情图像数据集大都规模较小，且额外样本数据难以搜集；其次，由于面部图像中冗余信息的干扰，不同类表情识别时易发生混淆；最后，现有模型对于硬件和算力要求较高，存在难以实际应用等问题。
技术实现思路
1、为了解决上述
技术介绍
中存在的技术问题，本专利技术提供一种面部表情识别方法及系统，教师网络在训练的过程中，在训练的过程中，通过交叉熵损失函数指导类间欧式距离变大；同时，减小样本特征与其对应类中心的欧式距离，最小化类内部的变化；两者共同参与训练，增加了易混淆面部表情的可分性，提高教师网络和学生网络进行面部表情识别的准确率。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、本专利技术的第一个方面提供一种面部表情识别方法，其包括：
4、获本文档来自技高网...
【技术保护点】
1.一种面部表情识别方法，其特征在于，包括：
2.如权利要求1所述的一种面部表情识别方法，其特征在于，所述教师网络的训练采用的损失函数为：
3.如权利要求1所述的一种面部表情识别方法，其特征在于，所述教师网络和学生网络的网络结构不同。
4.如权利要求1所述的一种面部表情识别方法，其特征在于，所述教师网络将面部图像输入预训练好的特征提取器，得到特征图，并通过通道注意力和空间注意力，得到加权后特征图，将特征图和加权后特征图进行相加，得到输出特征，并将输出特征输入全连接层，得到面部图像所属的面部表情类。
5.如权利要求4所述的...
【技术特征摘要】
1.一种面部表情识别方法，其特征在于，包括：
2.如权利要求1所述的一种面部表情识别方法，其特征在于，所述教师网络的训练采用的损失函数为：
3.如权利要求1所述的一种面部表情识别方法，其特征在于，所述教师网络和学生网络的网络结构不同。
4.如权利要求1所述的一种面部表情识别方法，其特征在于，所述教师网络将面部图像输入预训练好的特征提取器，得到特征图，并通过通道注意力和空间注意力，得到加权后特征图，将特征图和加权后特征图进行相加，得到输出特征，并将输出特征输入全连接层，得到面部图像所属的面部表情类。
5.如权利要求4所述的一种面部表情识别方法，其特征在于，所述特征提取器通过对比学习进行预训练，且所述对比学习采用随机裁剪、水平翻转、改变颜色属性、灰度化...
【专利技术属性】
技术研发人员：宋勇，魏鑫光，刘萍萍，夏一帆，许庆阳，袁宪锋，庞豹，李贻斌，
申请(专利权)人：山东大学，
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。