【技术实现步骤摘要】
本专利技术涉及图片识别，具体而言，涉及一种面部表情识别模型的训练方法及面部表情识别方法。
技术介绍
1、在当今数字化快速发展的时代，现实应用场景呈现出多元化趋势，人脸表情识别技术的应用领域愈发广泛。无论是情感计算领域，通过分析人脸表情洞察人类情绪，实现更精准的心理状态评估；还是人机交互方面，让机器依据人脸表情给予更智能、贴心的交互反馈，都彰显出其重要价值和巨大潜力。然而，这项技术在数据层面却面临着严峻挑战，人工标注的数据往往存在大量噪声标签，这成为阻碍其进一步发展的关键因素。
2、擦除注意力一致性方法曾为面部表情识别能力的提升带来新的契机，它借助注意力机制，能够聚焦面部关键区域特征，从而优化模型对表情的识别精准度。
3、但擦除注意力一致性方法未充分考虑到噪声标签对模型性能的负面影响。当面对带有噪声标签的数据时，难以辨别标签的真伪，很可能将错误标签当作正确信息学习，无法有效处理标签的不准确性，进而导致模型在训练过程中无法收敛到理想状态，训练效果下降，从而影响面部表情识别的准确性和稳定性。
【技术保护点】
1.一种面部表情识别模型的训练方法，其特征在于，包括：
2.如权利要求1所述的面部表情识别模型的训练方法，其特征在于，所述初始识别模型包括特征提取器和分类器，所述特征提取器与所述分类器相连；
3.如权利要求2所述的面部表情识别模型的训练方法，其特征在于，所述第一损失值为：
4.如权利要求1所述的面部表情识别模型的训练方法，其特征在于，所述根据所述第一预测分类概率序列、第二预测分类概率序列和每种表情类别对应的自适应阈值对所述面部图像进行划分，得到干净图像子集和噪声图像子集包括：
5.如权利要求1所述的面部表情识别模型的训练...
【技术特征摘要】
1.一种面部表情识别模型的训练方法，其特征在于，包括：
2.如权利要求1所述的面部表情识别模型的训练方法，其特征在于，所述初始识别模型包括特征提取器和分类器，所述特征提取器与所述分类器相连；
3.如权利要求2所述的面部表情识别模型的训练方法，其特征在于，所述第一损失值为：
4.如权利要求1所述的面部表情识别模型的训练方法，其特征在于，所述根据所述第一预测分类概率序列、第二预测分类概率序列和每种表情类别对应的自适应阈值对所述面部图像进行划分，得到干净图像子集和噪声图像子集包括：
5.如权利要求1所述的面部表情识别模型的训...
【专利技术属性】
技术研发人员：孙晓，沈康，刘序雄，王雨，管雨洁，刘心，
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。