【技术实现步骤摘要】
本专利技术公开一种优化面部表情识别的方法及装置，涉及图像识别。
技术介绍
1、面部表情识别技术可以帮助计算机有效地解释人类的情绪，因此被广泛应用于自适应人机交互界面设计、情感障碍诊断、智能安全和异常行为检测等诸多领域。然而，面部表情固有的模糊性和注释者的主观性导致面部表情图像存在噪声。同时，公开的面部表情数据集存在严重类别不平衡现象，积极情绪类别数量远远多余消极情绪类别。并且由于噪声的问题，面部表情数据集中存在长尾分布不平衡的问题，即面部表情数据集中的尾类会被习惯性错误识别为其他类别，降低了面部表情识别方法在实际应用场景中的性能。然而现有的方法鲜有同时关注噪声和长尾不均衡问题，因此在面部表情数据集尾类上的识别率低，非常不利于情感障碍诊断、智能安全和异常行为检测等方面的实际应用。
技术实现思路
1、本专利技术针对现有技术的问题，提供一种优化面部表情识别的方法及装置，增强了深度学习模型抗噪声干扰能力，提升了深度学习模型在实际应用场景下的面部表情识别准确率。
2、本专利技术提出的具体
【技术保护点】
1.一种优化面部表情识别的方法，其特征是包括：
2.根据权利要求1所述的一种优化面部表情识别的方法，其特征是步骤1中利用torchvision工具中图像变换工具transforms的RandomErasing()对面部图像I进行随机擦除，获得擦除后面部图像I’；
3.根据权利要求1所述的一种优化面部表情识别的方法，其特征是步骤1中利用νφ表示视觉提示，νφ的大小为H、W、C分别为面部图像I的高度、宽度和通道数，将视觉提示νφ添加至面部图像I中，形成提示图像集
4.根据权利要求1所述的一种优化面部表情识别的方法，其特征是步骤3中采用如
【技术特征摘要】
1.一种优化面部表情识别的方法，其特征是包括：
2.根据权利要求1所述的一种优化面部表情识别的方法，其特征是步骤1中利用torchvision工具中图像变换工具transforms的randomerasing()对面部图像i进行随机擦除，获得擦除后面部图像i’；
3.根据权利要求1所述的一种优化面部表情识别的方法，其特征是步骤1中利用νφ表示视觉提示，νφ的大小为h、w、c分别为面部图像i的高度、宽度和通道数，将视觉提示νφ添加至面部图像i中，形成提示图像集
4.根据权利要求1所述的一种优化面部表情识别的方法，其特征是步骤3中采用如下公式：
5.根据权利要求1所述的一种优化面部表情识别的方法，其特征是步骤4中基于平衡二值交叉熵损失的公式：
6.一种优化面部表情识别的装置，其特征是包括...
【专利技术属性】
技术研发人员：王强昌，张静林，王燕波，王士勇，王洋，赵胜男，李晶，尹义龙，
申请(专利权)人：浪潮智慧城市科技有限公司，
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。