摘要
本发明涉及一种基于阶段式自适应课程学习的微表情识别方法,包括:A、对微表情和宏表情视频序列进行预处理;B、构建时空特征融合模型,对预处理得到的微表情数据集做深度特征提取,并预训练宏表情识别教师模型;C、构建基于阶段式自适应课程学习的深度学习算法,构建的时空特征融合模型训练过程中引入一种面向微表情识别的基于阶段式自适应课程学习的深度学习算法,以优化训练过程;D、对训练得到的宏表情识别教师模型在测试集上进行分类识别。本发明方法得到了更加有效、具有判别力的微表情特征,提高了模型的泛化能力,进一步解决了现有微表情识别领域存在的可用数据集缺乏、数据集含有冗余信息大、识别准确度不高的问题。
技术关键词
表情模型
表情识别方法
样本
微表情识别
动态特征提取
深度学习算法
人脸
表情特征
Softmax函数
采样池
时空融合特征
像素块
阶段
深度特征提取
多层感知机
队列
分支
代表
序列
系统为您推荐了相关专利信息
实体识别方法
知识蒸馏技术
预训练模型
管道
标签
移动巡检平台
燃气泄漏监测
智能燃气
决策方法
监测点