摘要
本发明涉及一种无关身份的多任务面部表情识别方法,属于计算机视觉领域。该方法包括:划分人脸表情数据为训练集和验证集,进行数据预处理后通过特征预提取器提取表情浅层特征;构建协同注意力用于不同任务间深层特征的交互学习;通过生成的面部关键点构建区域增强注意力,关注人脸局部关键区域的特征信息;在人脸识别任务中,通过获取的人脸独特信息构建空间属性注意力,减少表情特征中的个人特定属性;将面部表情识别任务捕获的表情特征通过全连接层和softmax评分函数映射到基本表情的标签体系中,并通过多损失联合训练优化。本发明增强局部关键特征和削弱个人特定属性,排除与身份相关的人脸特征,提升面部表情识别任务的准确性。
技术关键词
面部表情识别方法
面部关键点检测
多任务
表情特征
通道
协同注意力
人脸特征
身份
标签体系
人脸表情
高斯模糊图像
人脸检测算法
输出特征
掩膜
加权特征
计算机视觉
系统为您推荐了相关专利信息
查询器
检测模型构建方法
一体化检测方法
面部
高层语义特征
基频提取方法
声学特征
多任务学习模型
数据
麦克风