【技术实现步骤摘要】
本专利技术涉及微表情识别，尤其涉及一种基于元学习和特征融合的微表情识别方法及装置。
技术介绍
1、微表情识别任务面临着一个重要挑战，即微表情数据样本的稀缺性。由于深度学习模型的本质是数据驱动的，更多的训练数据能够产生更好的模型泛化能力，但这一特点限制了其在微表情识别等数据稀缺领域的应用。为了解决这个问题，越来越多的研究人员致力于元学习方法的研究。将元学习方法应用于微表情识别领域可以实现使用少量数据快速学习新概念的目标，其灵感源自于人类能够从少量样本中学习知识并将其应用到新任务上。因此，元学习方法逐渐成为解决微表情识别问题的一种有效方法。
2、目前的研究中，研究人员提出一种基于深度森林和卷积神经网络的微表情识别方法。该方法旨在解决现有微表情识别方法集成度低和训练时间长的问题。通过采用基于深度森林和卷积神经网络的异质集成模型,将深度森林的重表示特征经过卷积层和卷积神经网络的深度特征混合，形成新的图像特征,以帮助分类器实现判别分类，从而实现更高的准确率。相较于其他微表情识别算法,该集成算法表现出更好的鲁棒性。然而，在数据预处理阶段...
【技术保护点】
1.一种基于元学习和特征融合的微表情识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于元学习和特征融合的微表情识别方法，其特征在于，所述对所述微表情数据信息进行特征提取，得到微表情特征信息，包括：
3.根据权利要求1所述的基于元学习和特征融合的微表情识别方法，其特征在于，所述对所述微表情特征信息进行处理，得到微表情平均特征信息，包括：
4.根据权利要求3所述的基于元学习和特征融合的微表情识别方法，其特征在于，所述对所述微表情特征信息进行处理，得到微表情参数信息，包括：
5.根据权利要求3所述的基于元学习和...
【技术特征摘要】
1.一种基于元学习和特征融合的微表情识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于元学习和特征融合的微表情识别方法，其特征在于，所述对所述微表情数据信息进行特征提取，得到微表情特征信息，包括：
3.根据权利要求1所述的基于元学习和特征融合的微表情识别方法，其特征在于，所述对所述微表情特征信息进行处理，得到微表情平均特征信息，包括：
4.根据权利要求3所述的基于元学习和特征融合的微表情识别方法，其特征在于，所述对所述微表情特征信息进行处理，得到微表情参数信息，包括：
5.根据权利要求3所述的基于元学习和特征融合的微表情识别方法，其特征在于，所述对所述微表情深度特征信息进行处理，得到微表情平均特征信息，包括：
6.根...
【专利技术属性】
技术研发人员：马天丹，宋明武，高天禹，张世月，于文东，耿震，闫慧炯，陈鹏飞，黄如强，
申请(专利权)人：天津滨海人工智能创新中心，
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。