龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：网易(杭州)网络有限公司
摘要：本申请提供了一种情绪识别模型的生成方法，该方法包括：将情绪识别训练数输入情绪识别特征提取器进行处理以得到第一表情编码向量；将第一表情编码向量输入特征学习分支网络得到表情表征向量；将第一表情编码向量输入分类学习分支网络得到情绪分类结果；根据表情表征向量、情绪分类结果、情绪标签、以及预设的损失函数获得损失值，并根据损失值调整情绪识别特征提取器以及特征学习分支网络和分类学习分支网络的参数；当预设的损失函数达到设定收敛条件时，保留情绪识别特征提取器和分类学习分支网络得到第一情绪识别模型。相应地，本申请还提供了与所述情绪识别模型的生成方法相关的介质和设备，以及情绪识别方法及相关的介质和设备。
主权项：1.一种情绪识别模型的生成方法，其特征在于，所述方法包括：获取情绪识别训练数据，并将所述情绪识别训练数据输入情绪识别特征提取器进行处理以得到第一表情编码向量，所述情绪识别特征提取器利用预训练的表情编码模型构建，利用多条表情多元组训练数据对初始表情编码模型进行迭代训练得到所述预训练的表情编码模型，每条所述表情多元组训练数据包括目标表情样本图像，与所述目标表情样本图像相似的正表情图像，与所述目标表情样本图像不相似的负表情样本图像，截取所述预训练的表情编码模型中设定数量的网络层作为所述情绪识别特征提取器；所述表情编码模型用于生成第二表情编码向量，所述第一表情编码向量的维度高于所述第二表情编码向量的维度，所述情绪识别训练数据包括表情图像和对应的情绪标签；将所述第一表情编码向量输入特征学习分支网络进行处理，得到表情表征向量；将所述第一表情编码向量输入分类学习分支网络进行处理，得到情绪分类结果；根据所述表情表征向量、所述情绪分类结果、所述情绪标签、以及预设的损失函数获得损失值，并根据所述损失值调整所述情绪识别特征提取器以及所述特征学习分支网络和分类学习分支网络的参数；当所述预设的损失函数达到设定收敛条件时，根据所述情绪识别特征提取器、所述特征学习分支网络和所述分类学习分支网络得到第一情绪识别模型。
全文数据：
权利要求：
百度查询： 网易(杭州)网络有限公司 情绪识别模型的生成方法、识别方法、装置、介质和设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号