基于自步协同学习框架的小样本人脸表情识别方法及介质技术

本发明专利技术公开了基于自步协同学习框架的小样本人脸表情识别方法及介质，包括：获取基本类表情数据集和复合类表情数据集；建立自步协同学习网络，包括混合专家卷积层和分类模型；对不同混合专家卷积层的通道数进行缩放；混合专家卷积层在欧式空间中进行表情特征嵌入学习；基于专家模型构建教师模型和学生模型，得到对应的表情特征；将教师模型和学生模型获取的表情特征从欧式空间映射到双曲空间，对自步协同学习网络进行表情特征嵌入学习；使用分类模型对表情特征进行分类，完成最终的训练；将复合类表情数据集输入训练好的自步协同学习网络进行表情分类计算，输出分类结果，识别不同表情。本发明专利技术有效提高了表情识别准确度。

【技术实现步骤摘要】

本专利技术涉及计算机视觉，尤其涉及一种基于自步协同学习框架的小样本人脸表情识别方法及介质。

技术介绍

1、人脸表情作为人类表达情感的最自然和有效的方式之一，在人际交流中扮演着重要角色。在过去的几十年中，人脸表情识别因其广泛的应用而受到了多媒体和计算机视觉领域的广泛关注，例如人机交互、心理评估、交互式娱乐、在线教育等多个实际场景。

2、根据著名心理学家ekman等人(ekman p,friesen w v.constants acrosscultures in the face and emotion[j].journal of personality and socialpsychology,1971,17(2):124-129.)的研究，人脸表情可以划分为七个基本表情类别，即愤怒、惊讶、厌恶、恐惧、高兴、悲伤和中立。基于此，研究者们收集了一系列的基本类表情数据集，并对自动化的人脸表情识别展开了研究。早年的表情识别方法主要基于纹理、几何等手工特征，它们能在可控的室内表情数据集上表现良好，但在非受控的真实数据集上性能不理想。随着深度学习的发展，基本文档来自技高网...

【技术保护点】

1.一种基于自步协同学习框架的小样本人脸表情识别方法，其特征在于，包括如下步骤：

2.如权利要求1所述的基于自步协同学习框架的小样本人脸表情识别方法，其特征在于，所述步骤1具体包括：

3.如权利要求1所述的基于自步协同学习框架的小样本人脸表情识别方法，其特征在于，所述步骤2具体包括：

4.如权利要求3所述的基于自步协同学习框架的小样本人脸表情识别方法，其特征在于，所述步骤3具体包括：

5.如权利要求4所述的基于自步协同学习框架的小样本人脸表情识别方法，其特征在于，所述步骤4具体包括：

6.如权利要求1所述的基于自步协同学习框架的...

【技术特征摘要】

1.一种基于自步协同学习框架的小样本人脸表情识别方法，其特征在于，包括如下步骤：

2.如权利要求1所述的基于自步协同学习框架的小样本人脸表情识别方法，其特征在于，所述步骤1具体包括：

3.如权利要求1所述的基于自步协同学习框架的小样本人脸表情识别方法，其特征在于，所述步骤2具体包括：

4.如权利要求3所述的基于自步协同学习框架的小样本人脸表情识别方法，其特征在于，所述步骤3具体包括：

5.如权利要求4所述的基于自步协同学习框架的小样本人脸表情识别方法，其特征在于，所述步骤4具体包括：

6.如权利要求1所述的基于自步协同...

【专利技术属性】
技术研发人员：严严，陈雪婷，王菡子，
申请(专利权)人：厦门大学，
类型：发明
国别省市：