基于多层卷积神经网络的表情检测方法及装置和存储介质

AITNT
正文
推荐专利
基于多层卷积神经网络的表情检测方法及装置和存储介质
申请号:CN202510169050
申请日期:2025-02-17
公开号:CN120260094A
公开日期:2025-07-04
类型:发明专利
摘要
本申请公开了一种基于多层卷积神经网络的表情检测方法及装置和存储介质,可应用于表情检测技术领域。本申请通过从待检测视频数据中获取包括人脸图像的待处理图像数据后,对待处理图像数据中的每帧图像进行预处理得到目标图像数据集;将所述目标图像数据集输入训练好的预设深度学习网络模型中进行表情分数预测得到目标表情分数,再根据目标表情分数确定待检测视频数据中表情帧的出现范围,从而无需依赖人为设计的特征,可以准确确定视频流中表情帧的出现范围。
技术关键词
深度学习网络模型 光流特征 多层卷积神经网络 表情检测方法 人脸特征点 感兴趣 训练图像数据 积层 视频 标签 表情检测装置 脸部检测器 训练集 可读存储介质 计算机装置 处理器 线性
系统为您推荐了相关专利信息
1
基于多维特征融合的模型训练方法和轨迹预测方法
序列 多层卷积神经网络 模型训练方法 轨迹预测方法 直线
2
基于深度学习模型的肿瘤Bulk样本RNA-seq测序数据反卷积方法
深度学习模型 卷积方法 数据 肿瘤 样本
3
一种基于分布式的FPGA部分动态重构组件化方法
硬盘使用率 特征提取模块 深度学习网络模型 系统状态预测 组件化方法
4
基于视频流融合的明流洞室结构破坏监测识别系统及方法
光流特征 视频流 洞室结构 监测识别系统 数据
5
一种AR花卉的信息展现方法及系统
信息展现方法 人物模型 云端大数据 神经网络模型 识别花卉
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号