CN116912922B - 表情识别模型训练方法、装置、电子设备及存储介质 - Google Patents
表情识别模型训练方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116912922B CN116912922B CN202311168710.0A CN202311168710A CN116912922B CN 116912922 B CN116912922 B CN 116912922B CN 202311168710 A CN202311168710 A CN 202311168710A CN 116912922 B CN116912922 B CN 116912922B
- Authority
- CN
- China
- Prior art keywords
- feature map
- motion unit
- target
- expression
- loss
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000014509 gene expression Effects 0.000 title claims abstract description 184
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000012549 training Methods 0.000 title claims abstract description 47
- 238000000605 extraction Methods 0.000 claims abstract description 55
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 230000004927 fusion Effects 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 20
- 238000010586 diagram Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims description 5
- 230000001815 facial effect Effects 0.000 description 18
- 230000000694 effects Effects 0.000 description 11
- 230000008921 facial expression Effects 0.000 description 6
- 230000002411 adverse Effects 0.000 description 5
- 238000002372 labelling Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 210000001097 facial muscle Anatomy 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000011423 initialization method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000004118 muscle contraction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种表情识别模型训练方法、装置、电子设备及存储介质。该方法包括：将原始图像转换为灰度图像，利用目标特征提取网络进行特征提取；利用目标运动单元建模网络对灰度图像进行特征提取，计算目标运动单元注意力特征图以及运动单元损失；将目标运动单元注意力特征图与目标特征图进行特征融合，得到增强后的表情特征图；利用预测表情标签以及原始图像对应的真实表情标签计算分类损失；利用运动单元损失及分类损失计算总损失，利用总损失及反向传播算法，对目标特征提取网络与目标运动单元建模网络组成的表情识别模型的参数进行更新，以训练表情识别模型。本申请提升表情识别模型的泛化性能，并显著提升表情识别模型的预测精度。
Description
技术领域
本申请涉及人工智能技术领域，尤其涉及一种表情识别模型训练方法、装置、电子设备及存储介质。
背景技术
表情识别作为计算机视觉领域的一个重要分支，对于提高人机交互的自然性具有重要的意义。现有的表情识别算法普遍依赖于公开表情识别数据集进行训练。然而，在实际应用中，由于标注过程中的不确定性，这些数据集往往包含一定的噪声样本。标注人员可能在面对某些样本时难以做出准确判断，导致该样本的标注可能不准确。这些噪声样本对于算法的训练可能产生不良的影响，从而限制了算法的性能提升。
现有技术中，为了解决上述问题，部分研究者选择对公开表情数据集进行重标注，目的是尽量去除其中的不确定性样本。但是这种方法存在一个明显的缺陷，即在实践中很难区分不确定样本和困难样本。简单地去除这些被视为“噪声”的样本可能会导致模型在某些特定场景下的泛化性能下降。这是因为困难样本往往包含了一些对模型泛化性能提升有益的信息。因此，如何在不去除噪声样本的情况下，减少其对表情识别模型训练的负面影响，并显著提高表情识别的准确性成为亟需解决的问题。
发明内容
有鉴于此，本申请实施例提供了一种表情识别模型训练方法、装置、电子设备及存储介质，以解决现有技术存在的简单去除噪声样本，导致模型的泛化性能降低，对表情识别模型训练造成负面影响，降低表情识别模型的训练效果和表情识别效果的问题。
本申请实施例的第一方面，提供了一种表情识别模型训练方法，包括：获取预先生成的表情识别样本数据集中的原始图像，将原始图像转换为灰度图像；将原始图像输入到预训练后的目标特征提取网络中进行特征提取，得到目标特征图；将灰度图像输入到预定的目标运动单元建模网络中进行特征提取，基于提取出的灰度图像对应的目标特征图，计算目标运动单元注意力特征图，并计算目标运动单元注意力特征图的运动单元损失；将目标运动单元注意力特征图与目标特征提取网络输出的目标特征图进行特征融合，得到增强后的表情特征图；利用分类层对增强后的表情特征图进行分类，得到预测表情标签，利用预测表情标签以及原始图像对应的真实表情标签计算分类损失；利用运动单元损失及分类损失计算总损失，利用总损失及反向传播算法，对目标特征提取网络与目标运动单元建模网络组成的表情识别模型的参数进行更新，以训练表情识别模型。
本申请实施例的第二方面，提供了一种表情识别模型训练装置，包括：转换模块，被配置为获取预先生成的表情识别样本数据集中的原始图像，将原始图像转换为灰度图像；提取模块，被配置为将原始图像输入到预训练后的目标特征提取网络中进行特征提取，得到目标特征图；计算模块，被配置为将灰度图像输入到预定的目标运动单元建模网络中进行特征提取，基于提取出的灰度图像对应的目标特征图，计算目标运动单元注意力特征图，并计算目标运动单元注意力特征图的运动单元损失；融合模块，被配置为将目标运动单元注意力特征图与目标特征提取网络输出的目标特征图进行特征融合，得到增强后的表情特征图；分类模块，被配置为利用分类层对增强后的表情特征图进行分类，得到预测表情标签，利用预测表情标签以及原始图像对应的真实表情标签计算分类损失；训练模块，被配置为利用运动单元损失及分类损失计算总损失，利用总损失及反向传播算法，对目标特征提取网络与目标运动单元建模网络组成的表情识别模型的参数进行更新，以训练表情识别模型。
本申请实施例的第三方面，提供了一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述方法的步骤。
本申请实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
通过利用样本集对预先配置的基础人脸识别模型进行第一阶段训练，得到第一阶段训练后的第一人脸识别模型，样本集中包含不同质量的图片样本；将每个图片样本依次输入第一人脸识别模型中，得到每个图片样本对应的特征向量，利用质量分算法基于特征向量计算每个图片样本对应的质量分；确定每个图片样本在其所属类别内的概率，基于概率以及图片样本的质量分，对第一人脸识别模型内的中心向量以及特征向量的梯度缩放项进行更新，利用样本集对梯度缩放项更新后的第一人脸识别模型进行第二阶段训练，得到第二阶段训练后的第二人脸识别模型；基于每个图片样本对应的概率，确定每个图片样本的类型，当图片样本为简单样本时，将使用简单样本对第二人脸识别模型进行第三阶段训练时的中心向量以及特征向量的梯度缩放项设置为初始值；当图片样本为难样本时，利用预定的夹角，将使用难样本对第二人脸识别模型进行第三阶段训练时的中心向量以及特征向量的梯度缩放项进行更新；利用样本集对梯度缩放项更新后的第二人脸识别模型进行第三阶段训练，得到第三阶段训练后的第三人脸识别模型，将第三人脸识别模型作为最终训练得到的模型。本申请可以降低噪声数据对表情识别模型训练的影响，提升表情识别模型的泛化性能，并且显著提升表情识别模型的预测精度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本申请实施例提供的表情识别模型训练方法的流程示意图；
图2是本申请实施例提供的表情识别模型训练的整体结构示意图；
图3是本申请实施例提供的目标运动单元建模网络的结构示意图；
图4是本申请实施例提供的表情识别模型训练装置的结构示意图；
图5是本申请实施例提供的电子设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
正如背景技术所描述的内容，在当前的表情识别技术中，训练所用的公开表情识别数据集往往包含一部分被称为“噪声样本”的数据。这些噪声样本的出现主要源于标注过程中的不确定性，也就是标注人员对某些样本的表情类别难以做出准确判断。这些噪声样本在表情识别算法的训练过程中可能会带来不良影响，进而限制了表情识别算法的性能提升。
为了缓解噪声样本对训练过程的不良影响，现有的一些研究方案选择对表情数据集进行重标注，即剔除其中不确定性的样本。然而，这种方法在实践中遇到一个关键问题，那就是不确定性的样本和具有一定识别难度的样本往往难以区分。如果简单地去除这些噪声样本，可能会剔除一些困难但有价值的样本，从而降低模型在不同场景下的泛化能力。
因此，针对上述现有技术存在的问题，本申请需要解决的技术问题包括：如何在处理包含噪声样本的表情识别数据集时，既能减少噪声样本对训练过程的不良影响，又能避免损害模型的泛化能力，从而提升表情识别算法的性能。
为解决上述技术问题，本申请提出了一种基于脸部运动单元建模的表情识别模型训练方法，针对现有公开表情识别数据集中的噪声样本问题进行了有效处理，旨在减少噪声样本对训练过程的不良影响，并在此基础上显著提升算法的精度。本申请方法从算法角度出发，引入了脸部运动单元建模的思想，使得训练过程更加注重脸部表情的动态变化信息。通过对脸部运动单元进行建模，本申请技术方案不仅约束了网络学习过程，让网络更加关注于表情的核心区域和重要特征，而且对噪声样本也有更好的容忍度，避免了因简单剔除噪声样本而导致的模型泛化能力降低问题。综上，本申请能够在保证模型泛化能力的同时，显著提高表情识别的精度，对于提高表情识别模型的性能起到了重要的作用。
图1是本申请实施例提供的表情识别模型训练方法的流程示意图。图1的表情识别模型训练方法可以由服务器执行。如图1所示，该表情识别模型训练方法具体可以包括：
S101，获取预先生成的表情识别样本数据集中的原始图像，将原始图像转换为灰度图像；
S102，将原始图像输入到预训练后的目标特征提取网络中进行特征提取，得到目标特征图；
S103，将灰度图像输入到预定的目标运动单元建模网络中进行特征提取，基于提取出的灰度图像对应的目标特征图，计算目标运动单元注意力特征图，并计算目标运动单元注意力特征图的运动单元损失；
S104，将目标运动单元注意力特征图与目标特征提取网络输出的目标特征图进行特征融合，得到增强后的表情特征图；
S105，利用分类层对增强后的表情特征图进行分类，得到预测表情标签，利用预测表情标签以及原始图像对应的真实表情标签计算分类损失；
S106，利用运动单元损失及分类损失计算总损失，利用总损失及反向传播算法，对目标特征提取网络与目标运动单元建模网络组成的表情识别模型的参数进行更新，以训练表情识别模型。
在对本申请实施例进行详细描述之前，首先结合附图以及具体实施例对本申请技术方案的整体实现流程进行概括描述。如图2所示，图2是本申请实施例提供的表情识别模型训练的整体结构示意图。本申请表情识别模型训练过程包括以下步骤：
步骤1、原始图像转换：将输入的原始图像（RGB图像）转换为灰度图像。
步骤2、脸部运动单元建模：对转换后的灰度图像进行脸部运动单元（即目标运动单元）的建模。
步骤3、脸部特征提取：利用脸部特征提取网络（即目标特征提取网络）从输入的原始图像中提取人脸特征。
步骤4、特征融合与分类：将脸部运动单元的注意力特征图（即目标运动单元注意力特征图）与人脸特征进行融合，得到增强后的表情特征图。然后通过分类层进行分类，生成预测表情标签，利用预测表情标签与真实表情标签计算分类损失。
步骤5、模型参数更新：将运动单元损失和分类损失相加，得到最终的总损失。然后使用反向传播算法，通过梯度下降法调整模型中的参数，使总损失最小。
总体来说，本申请技术方案通过脸部运动单元建模网络来提取和使用表情的动态信息，提高了表情识别的准确性，同时也提高了模型对噪声样本的鲁棒性。
在一些实施例中，将原始图像转换为灰度图像，包括：将原始图像从RGB颜色空间转换到灰度空间，以获得灰度图像。
具体地，由于本申请通过灰度图像来对脸部运动单元进行建模，因此首先将输入到表情识别模型中的RGB颜色空间的原始图像转为灰度空间下的灰度图像。在实际应用中，灰度图像只有一个通道，不仅可以减少计算量，同时大多数情况下也能够保证提取面部表情的特征。
进一步地，本申请利用预训练的目标特征提取网络对输入的人脸图像进行特征提取，进而得到目标特征图（即人脸特征图）。下面结合具体实施例对人脸特征图的提取过程进行说明，具体可以包括以下内容：
首先，获取原始图像（即人脸图片）。这些图像可以从各种源头获取，如在线图像数据库、实时监控视频或者用户提供的照片等，将获取到的原始图像将作为算法的输入。
然后，将原始图像输入到预训练后的目标特征提取网络中进行特征提取。目标特征提取网络可以选用ResNet50。ResNet50是一种深度残差网络，被广泛应用于图像识别和分类任务，其具有50层网络结构，通过引入残差学习解决了深度神经网络难以训练的问题。
在实际应用中，首先在大规模的人脸识别数据集上进行预训练，以训练出一个能够良好识别人脸的网络模型。在此过程中，网络将学习到丰富的人脸特征，并将这些特征嵌入到模型参数中。完成预训练后，将用训练好的模型参数来初始化整个目标特征提取网络。这种基于预训练模型参数的网络初始化方法，能够帮助网络更快更准确地学习到人脸表情的关键特征，从而提高表情识别的效果。
通过目标特征提取网络，本申请可以得到原始图像对应的目标特征图，此特征图充分反映了人脸表情的各项关键信息，为后续的表情识别任务提供了关键的数据基础。
在一些实施例中，将灰度图像输入到预定的目标运动单元建模网络中进行特征提取，基于提取出的灰度图像对应的目标特征图，计算目标运动单元注意力特征图，包括：将灰度图像输入到目标运动单元建模网络中，利用连续的卷积层、注意力残差模块以及卷积层对灰度图像进行处理，得到灰度图像的目标特征图；对灰度图像的目标特征图进行归一化处理，并将灰度图像与归一化后的目标特征图相乘，得到目标运动单元注意力特征图；其中，目标运动单元注意力特征图中的区域特征响应强度用于表征相应区域属于表情运动单元的概率。
具体地，本申请实施例进一步将灰度图像输入到预定的目标运动单元建模网络中进行特征提取，从而提取出灰度图像对应的目标特征图，并且将计算出目标运动单元注意力特征图。
进一步地，下面结合具体实施例对目标运动单元注意力特征图的计算过程进行说明。如图3所示，图3是本申请实施例提供的目标运动单元建模网络的结构示意图。本申请目标运动单元注意力特征图的计算过程包括以下内容：
将原始图像转换为灰度图像，灰度图像是指只有亮度信息、没有颜色信息的图像，这样的处理能够将人脸的基本轮廓和细节保留下来，去掉颜色对于表情识别的干扰。将灰度图像输入到预定的目标运动单元建模网络中。这个网络由连续的卷积层、注意力残差模块以及卷积层组成，卷积层和注意力残差模块都是目前深度学习中常用的结构，通过这些结构，可以从灰度图像中提取到人脸的各种细节特征，并且得到灰度图像的目标特征图。
对提取出来的目标特征图进行Sigmoid计算（即归一化处理）。归一化处理可以消除特征之间的量纲影响，让每个特征对最终结果的影响处于同一水平。归一化处理后，将灰度图像与归一化后的目标特征图相乘，得到目标运动单元注意力特征图。这个注意力特征图可以用来突出人脸图像中的关键区域，这些区域通常对于表情识别具有更高的重要性。
在对转换后的灰度图像进行脸部运动单元建模的过程中，脸部运动单元注意力特征图中特征响应越强的地方，就表示其属于该表情的运动单元，这些地方的特征在最终的表情识别中会有更大的权重。然后本申请将利用这个注意力特征图来计算运动单元损失。
需要说明的是，本申请的目标运动单元建模网络不是预训练的，而是使用随机初始化的参数，然后在整体表情识别模型的训练过程中更新这些参数。这样的设计可以使得网络更加关注与表情识别相关的特征，提高表情识别的准确性。本申请通过对转换后的灰度图像进行脸部运动单元建模，可以更好地识别并处理含有噪声的样本，显著提高了表情识别模型的预测精度。
在一些实施例中，计算目标运动单元注意力特征图的运动单元损失，包括：从表情识别样本数据集中获取属于当前表情类别的原始图像，确定当前表情类别的原始图像的目标特征图对应的平均特征图，并计算目标运动单元注意力特征图与平均特征图之间的运动单元损失。
具体地，从表情识别样本数据集中获取属于当前表情类别的原始图像。这个数据集包含了多种类别的表情图像，比如愤怒、快乐、悲伤等等。对于每一个表情类别，本申请实施例将其所有对应的图像特征图求平均，得到当前表情类别的原始图像的目标特征图对应的平均特征图。这个平均特征图可以看作是当前表情类别的“标准”或者“典型”的表情特征。
进一步地，本申请实施例将前一步提取出来的目标运动单元注意力特征图与这个平均特征图进行对比，计算出运动单元损失。运动单元损失可以衡量模型的预测结果与实际结果之间的差异。这个损失是通过均方误差（Mean Squared Error，MSE）计算的，均方误差可以有效地反映预测结果与实际结果之间的差异大小。
进一步地，本申请实施例会将目标运动单元注意力特征图（即运动单元特征）与当前表情类别对应的平均人脸特征图之间计算运动单元损失。在实际应用中，平均人脸特征图并不是一成不变的，而是会随着每一次迭代（或称为epoch）的进行而更新，这样可以让模型更加准确地学习到当前表情类别的特征。
需要强调的是，面部表情是由面部肌肉收缩引起的，即使是不同的人，相同的表情也具有相似的肌肉运动模式。因此，本申请实施例可以通过对比模型预测的肌肉运动区域（也就是目标运动单元注意力特征图）和“标准”肌肉运动区域（也就是平均特征图）之间的差异，来计算出运动单元损失，这个差异就反映了模型预测的准确度。
在一些实施例中，将目标运动单元注意力特征图与目标特征提取网络输出的目标特征图进行特征融合，得到增强后的表情特征图，包括：利用深度融合策略，将目标运动单元注意力特征图与目标特征提取网络输出的目标特征图进行融合，得到统一的表情特征图，其中，增强后的表情特征图中包含静态的人脸特征以及表情的动态信息。
具体地，本申请实施例采用深度融合策略，将目标运动单元注意力特征图与目标特征提取网络输出的目标特征图进行融合。这种深度融合策略能够将目标运动单元的动态信息（即表情变化）和目标特征图的静态信息（即固定的人脸特征）有机地结合在一起，形成统一的、包含了人脸的静态特征和动态特征的增强表情特征图。这样使得表情识别算法能够更准确地识别和理解各种复杂和细微的表情变化。
在一些实施例中，利用预测表情标签以及原始图像对应的真实表情标签计算分类损失，包括：采用交叉熵损失函数，将预测表情标签与真实表情标签进行比较，根据两者之间的差异计算分类损失，其中，分类损失用于评估表情识别模型预测的准确性并进行优化。
具体地，本申请利用预测的表情标签以及原始图像对应的真实表情标签来计算分类损失。为了评估模型预测的准确性，可以采用交叉熵损失函数对预测的表情标签与真实的表情标签进行比较，计算出分类损失。
在实际应用中，交叉熵损失函数是一种常用的评估分类任务的损失函数，它主要衡量的是模型预测的概率分布与真实的概率分布之间的差异。在本申请实施例的表情识别任务中，真实的表情标签通常被表示为一个独热编码，而预测的表情标签则由模型计算出的各个表情类别的概率组成。交叉熵损失函数将这两个概率分布进行比较，得到一个标量值，这个值就是分类损失。模型的目标是通过优化过程尽量减小这个分类损失，以提高模型预测的准确性。
在一些实施例中，利用运动单元损失及分类损失计算总损失，包括：将运动单元损失与分类损失相加，得到用于对表情识别模型的参数进行反向更新的总损失。
具体地，将上述实施例计算得到的运动单元损失与分类损失相加，得到最终的总损失。最后，使用反向传播算法，通过梯度下降法对表情识别模型中的参数进行调整，使总损失最小，从而达到模型训练的目的。
根据本申请实施例提供的技术方案，本申请通过添加脸部运动单元建模模块，使它能够识别并提取不同人相似表情中共享的脸部运动单元。这些运动单元被转换为注意力权重，并且与主干网络提取的人脸特征进行相乘，得到了增强后的人脸表情特征。该过程帮助模型聚焦于最重要的特征，使得模型能够在噪声数据中保持强大的表现，从而提升了算法的泛化性。此外，脸部运动单元建模模块和主干网络的特征融合，不仅可以提升表情识别的准确性，同时也能够克服原始数据集中的噪声问题，使模型在各种不同的环境中都能有良好的表现。上述设计使得本申请的表情识别模型对于各种类型的表情识别任务都能有出色的表现，无论是在实验室条件下还是在实际环境中。总之，本申请基于脸部运动单元建模的表情识别算法，显著改善了表情识别模型的性能，尤其是在处理公开表情识别数据集中的不确定性噪声数据时，具有明显的优势和高效的实用性。
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
图4是本申请实施例提供的表情识别模型训练装置的结构示意图。如图4所示，该表情识别模型训练装置包括：
转换模块401，被配置为获取预先生成的表情识别样本数据集中的原始图像，将原始图像转换为灰度图像；
提取模块402，被配置为将原始图像输入到预训练后的目标特征提取网络中进行特征提取，得到目标特征图；
计算模块403，被配置为将灰度图像输入到预定的目标运动单元建模网络中进行特征提取，基于提取出的灰度图像对应的目标特征图，计算目标运动单元注意力特征图，并计算目标运动单元注意力特征图的运动单元损失；
融合模块404，被配置为将目标运动单元注意力特征图与目标特征提取网络输出的目标特征图进行特征融合，得到增强后的表情特征图；
分类模块405，被配置为利用分类层对增强后的表情特征图进行分类，得到预测表情标签，利用预测表情标签以及原始图像对应的真实表情标签计算分类损失；
训练模块406，被配置为利用运动单元损失及分类损失计算总损失，利用总损失及反向传播算法，对目标特征提取网络与目标运动单元建模网络组成的表情识别模型的参数进行更新，以训练表情识别模型。
在一些实施例中，图4的转换模块401将原始图像从RGB颜色空间转换到灰度空间，以获得灰度图像。
在一些实施例中，图4的计算模块403将灰度图像输入到目标运动单元建模网络中，利用连续的卷积层、注意力残差模块以及卷积层对灰度图像进行处理，得到灰度图像的目标特征图；对灰度图像的目标特征图进行归一化处理，并将灰度图像与归一化后的目标特征图相乘，得到目标运动单元注意力特征图；其中，目标运动单元注意力特征图中的区域特征响应强度用于表征相应区域属于表情运动单元的概率。
在一些实施例中，图4的计算模块403从表情识别样本数据集中获取属于当前表情类别的原始图像，确定当前表情类别的原始图像的目标特征图对应的平均特征图，并计算目标运动单元注意力特征图与平均特征图之间的运动单元损失。
在一些实施例中，图4的融合模块404利用深度融合策略，将目标运动单元注意力特征图与目标特征提取网络输出的目标特征图进行融合，得到统一的表情特征图，其中，增强后的表情特征图中包含静态的人脸特征以及表情的动态信息。
在一些实施例中，图4的分类模块405采用交叉熵损失函数，将预测表情标签与真实表情标签进行比较，根据两者之间的差异计算分类损失，其中，分类损失用于评估表情识别模型预测的准确性并进行优化。
在一些实施例中，图4的训练模块406将运动单元损失与分类损失相加，得到用于对表情识别模型的参数进行反向更新的总损失。
图5是本申请实施例提供的电子设备5的结构示意图。如图5所示，该实施例的电子设备5包括：处理器501、存储器502以及存储在该存储器502中并且可以在处理器501上运行的计算机程序503。处理器501执行计算机程序503时实现上述各个方法实施例中的步骤。或者，处理器501执行计算机程序503时实现上述各装置实施例中各模块/单元的功能。
示例性地，计算机程序503可以被分割成一个或多个模块/单元，一个或多个模块/单元被存储在存储器502中，并由处理器501执行，以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序503在电子设备5中的执行过程。
电子设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备5可以包括但不仅限于处理器501和存储器502。本领域技术人员可以理解，图5仅仅是电子设备5的示例，并不构成对电子设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如，电子设备还可以包括输入输出设备、网络接入设备、总线等。
处理器501可以是中央处理单元（Central Processing Unit，CPU），也可以是其它通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application SpecificIntegrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器502可以是电子设备5的内部存储单元，例如，电子设备5的硬盘或内存。存储器502也可以是电子设备5的外部存储设备，例如，电子设备5上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。进一步地，存储器502还可以既包括电子设备5的内部存储单元也包括外部存储设备。存储器502用于存储计算机程序以及电子设备所需的其它程序和数据。存储器502还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所申请的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/计算机设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/计算机设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (8)
1.一种表情识别模型训练方法，其特征在于，包括：
获取预先生成的表情识别样本数据集中的原始图像，将所述原始图像转换为灰度图像；
将所述原始图像输入到预训练后的目标特征提取网络中进行特征提取，得到目标特征图；
将所述灰度图像输入到预定的目标运动单元建模网络中进行特征提取，基于提取出的所述灰度图像对应的目标特征图，计算目标运动单元注意力特征图，并计算所述目标运动单元注意力特征图的运动单元损失；
将所述目标运动单元注意力特征图与所述目标特征提取网络输出的目标特征图进行特征融合，得到增强后的表情特征图；
利用分类层对所述增强后的表情特征图进行分类，得到预测表情标签，利用所述预测表情标签以及所述原始图像对应的真实表情标签计算分类损失；
利用所述运动单元损失及所述分类损失计算总损失，利用所述总损失及反向传播算法，对所述目标特征提取网络与所述目标运动单元建模网络组成的表情识别模型的参数进行更新，以训练所述表情识别模型；
其中，所述将所述灰度图像输入到预定的目标运动单元建模网络中进行特征提取，基于提取出的所述灰度图像对应的目标特征图，计算目标运动单元注意力特征图，包括：
将所述灰度图像输入到所述目标运动单元建模网络中，所述目标运动单元建模网络由第一连续卷积层、第二连续注意力残差模块以及第三卷积层组成，其中所述第一连续卷积层包括两个卷积层，所述第二连续注意力残差模块包括三个注意力残差模块，利用所述目标运动单元建模网络对所述灰度图像进行处理，得到所述灰度图像的目标特征图；
对所述灰度图像的目标特征图进行归一化处理，并将所述灰度图像与归一化后的目标特征图相乘，得到所述目标运动单元注意力特征图；
其中，所述目标运动单元注意力特征图中的区域特征响应强度用于表征相应区域属于表情运动单元的概率；
所述计算所述目标运动单元注意力特征图的运动单元损失，包括：
从所述表情识别样本数据集中获取属于当前表情类别的原始图像，确定所述当前表情类别的原始图像的目标特征图对应的平均特征图，并计算所述目标运动单元注意力特征图与所述平均特征图之间的运动单元损失。
2.根据权利要求1所述的方法，其特征在于，所述将所述原始图像转换为灰度图像，包括：
将所述原始图像从RGB颜色空间转换到灰度空间，以获得所述灰度图像。
3.根据权利要求1所述的方法，其特征在于，所述将所述目标运动单元注意力特征图与所述目标特征提取网络输出的目标特征图进行特征融合，得到增强后的表情特征图，包括：
利用深度融合策略，将所述目标运动单元注意力特征图与所述目标特征提取网络输出的目标特征图进行融合，得到统一的表情特征图，其中，所述增强后的表情特征图中包含静态的人脸特征以及表情的动态信息。
4.根据权利要求1所述的方法，其特征在于，所述利用所述预测表情标签以及所述原始图像对应的真实表情标签计算分类损失，包括：
采用交叉熵损失函数，将所述预测表情标签与所述真实表情标签进行比较，根据两者之间的差异计算所述分类损失，其中，所述分类损失用于评估所述表情识别模型预测的准确性并进行优化。
5.根据权利要求1所述的方法，其特征在于，所述利用所述运动单元损失及所述分类损失计算总损失，包括：
将所述运动单元损失与所述分类损失相加，得到用于对所述表情识别模型的参数进行反向更新的总损失。
6.一种表情识别模型训练装置，其特征在于，包括：
转换模块，被配置为获取预先生成的表情识别样本数据集中的原始图像，将所述原始图像转换为灰度图像；
提取模块，被配置为将所述原始图像输入到预训练后的目标特征提取网络中进行特征提取，得到目标特征图；
计算模块，被配置为将所述灰度图像输入到预定的目标运动单元建模网络中进行特征提取，基于提取出的所述灰度图像对应的目标特征图，计算目标运动单元注意力特征图，并计算所述目标运动单元注意力特征图的运动单元损失；
融合模块，被配置为将所述目标运动单元注意力特征图与所述目标特征提取网络输出的目标特征图进行特征融合，得到增强后的表情特征图；
分类模块，被配置为利用分类层对所述增强后的表情特征图进行分类，得到预测表情标签，利用所述预测表情标签以及所述原始图像对应的真实表情标签计算分类损失；
训练模块，被配置为利用所述运动单元损失及所述分类损失计算总损失，利用所述总损失及反向传播算法，对所述目标特征提取网络与所述目标运动单元建模网络组成的表情识别模型的参数进行更新，以训练所述表情识别模型；
其中，所述计算模块还用于将灰度图像输入到目标运动单元建模网络中，所述目标运动单元建模网络由第一连续卷积层、第二连续注意力残差模块以及第三卷积层组成，其中所述第一连续卷积层包括两个卷积层，所述第二连续注意力残差模块包括三个注意力残差模块，利用所述目标运动单元建模网络对灰度图像进行处理，得到灰度图像的目标特征图；对灰度图像的目标特征图进行归一化处理，并将灰度图像与归一化后的目标特征图相乘，得到目标运动单元注意力特征图；其中，目标运动单元注意力特征图中的区域特征响应强度用于表征相应区域属于表情运动单元的概率；
所述计算模块还用于从表情识别样本数据集中获取属于当前表情类别的原始图像，确定当前表情类别的原始图像的目标特征图对应的平均特征图，并计算目标运动单元注意力特征图与平均特征图之间的运动单元损失。
7.一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的方法。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311168710.0A CN116912922B (zh) | 2023-09-12 | 2023-09-12 | 表情识别模型训练方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311168710.0A CN116912922B (zh) | 2023-09-12 | 2023-09-12 | 表情识别模型训练方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116912922A CN116912922A (zh) | 2023-10-20 |
| CN116912922B true CN116912922B (zh) | 2024-01-05 |
Family
ID=88367148
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311168710.0A Active CN116912922B (zh) | 2023-09-12 | 2023-09-12 | 表情识别模型训练方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116912922B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112307958A (zh) * | 2020-10-30 | 2021-02-02 | 河北工业大学 | 基于时空外观运动注意力网络的微表情识别方法 |
| US11232328B2 (en) * | 2020-01-31 | 2022-01-25 | Element Ai Inc. | Method of and system for joint data augmentation and classification learning |
| EP3970110A1 (en) * | 2019-05-17 | 2022-03-23 | Barco n.v. | Method and system for training generative adversarial networks with heterogeneous data |
| CN115909443A (zh) * | 2022-11-10 | 2023-04-04 | 重庆第二师范学院 | 基于多头注意力机制的表情识别模型及其训练方法 |
-
2023
- 2023-09-12 CN CN202311168710.0A patent/CN116912922B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3970110A1 (en) * | 2019-05-17 | 2022-03-23 | Barco n.v. | Method and system for training generative adversarial networks with heterogeneous data |
| US11232328B2 (en) * | 2020-01-31 | 2022-01-25 | Element Ai Inc. | Method of and system for joint data augmentation and classification learning |
| CN112307958A (zh) * | 2020-10-30 | 2021-02-02 | 河北工业大学 | 基于时空外观运动注意力网络的微表情识别方法 |
| CN115909443A (zh) * | 2022-11-10 | 2023-04-04 | 重庆第二师范学院 | 基于多头注意力机制的表情识别模型及其训练方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于注意力机制的人体动作识别研究;肖任意;中国优秀硕士学位论文全文数据库信息科技辑（月刊）(第02期);I138-872 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116912922A (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110188827B (zh) | 一种基于卷积神经网络和递归自动编码器模型的场景识别方法 | |
| CN106372624B (zh) | 人脸识别方法及系统 | |
| CN108021908B (zh) | 人脸年龄段识别方法及装置、计算机装置及可读存储介质 | |
| JP2011248879A (ja) | テスト画像内のオブジェクトを分類するための方法 | |
| CN110111365B (zh) | 基于深度学习的训练方法和装置以及目标跟踪方法和装置 | |
| CN111652320B (zh) | 一种样本分类方法、装置、电子设备及存储介质 | |
| CN111694954B (zh) | 图像分类方法、装置和电子设备 | |
| CN116994021A (zh) | 图像检测方法、装置、计算机可读介质及电子设备 | |
| CN112270404A (zh) | 一种基于ResNet64网络的紧固件产品鼓包缺陷的检测结构及其方法 | |
| CN116912922B (zh) | 表情识别模型训练方法、装置、电子设备及存储介质 | |
| US20220366242A1 (en) | Information processing apparatus, information processing method, and storage medium | |
| CN116152551A (zh) | 分类模型训练方法、分类方法、装置、设备及介质 | |
| CN116071544A (zh) | 面向弱监督指向性视觉理解的图像描述预测方法 | |
| CN112613341B (zh) | 训练方法及装置、指纹识别方法及装置、电子设备 | |
| CN115239967A (zh) | 一种基于Trans-CSN生成对抗网络的图像生成方法及装置 | |
| CN114841287A (zh) | 分类模型的训练方法、图像分类方法及装置 | |
| CN114298159A (zh) | 一种基于无标签样本下文本融合的图像相似性检测方法 | |
| CN113469237A (zh) | 用户意图识别方法、装置、电子设备及存储介质 | |
| CN113537339A (zh) | 一种基于多标签图像分类的识别共生或伴生矿物的方法与系统 | |
| CN116912920B (zh) | 表情识别方法及装置 | |
| CN113505783B (zh) | 基于少次学习的甲骨文单字识别方法和装置 | |
| CN118536049B (zh) | 基于多模态异常内容理解的内容主体发现方法 | |
| CN116912921B (zh) | 表情识别方法、装置、电子设备及可读存储介质 | |
| Bhargava et al. | Action Recognition on American Sign Language using Deep Learning | |
| CN118015648B (zh) | 图纸信息提取方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |