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！
摘要：本发明公开了一种基于注意力机制的表情识别方法，首先数据集进行增广，接着利用注意力掩膜模块进行残差单元卷积，用池化操作进行下采样，减少特征图的空间维度，特征图尺寸达到网络中最小之后，再用双线性插值方法进行上采样。再将深度递减的注意力掩膜模块以残差结构嵌入骨干网络，通过恒等映射保证随着网络深度加深响应不会变弱。最后通过全局平均池化与全连接层进行表情分类，实现表情识别任务。此网络结构的特点是可以生成注意力图，达到抑制不重要特征与增强重要特征的作用。本发明在FER2013表情数据集上的表现达到了较高的水平。
主权项：1.基于注意力机制的表情识别方法，其特征在于，包括如下步骤：步骤1：对FER2013数据集进行数据增广，并进行尺度变换；步骤2：将步骤1得到的增广数据输入注意力残差网络进行特征提取，生成对应的注意力图并通过残差连接的方式与原特征图相乘，得到加权后的特征图；步骤3：将得到的特征图输入运用全局平均池化，并最终通过全连接层进行分类；所述步骤2包括如下子步骤：步骤2.1：将数据增广后的图片经过卷积核尺寸为7×7，步长为2的卷积层，与3×3的最大池化层；步骤2.2：将步骤2.1得到的特征图输入残差层进行进一步的特征提取与降维；步骤2.3：将步骤2.2输出的特征图输入残差注意力层，最终输出特征图Hx如下式所示：Hx＝1+Mx*x其中Mx代表残差注意力层中注意力掩膜模块的输出；步骤2.4：重复步骤2.2至2.3的操作两次，即输入图像一共经过三个残差块与残差注意力层的级联结构；其中三个残差块分别对应ResNet34网络结构中前三个残差块；步骤2.5：将步骤2.4输出的特征图经过最后一个残差块，对应ResNet34网络结构中的最后一个残差块结构；所述步骤3中包括如下子步骤：步骤3.1：将特征图进行全局平均池化，输出一个值；步骤3.2：将特征表示输入随机失活层，随机失活层的策略是以概率0.5让一部分输入数据失效；步骤3.3：将特征送入全连接层，并用Softmax函数将输出概率归一化，得到最终分类结果。
全文数据：
权利要求：
百度查询： 东南大学 基于注意力机制的表情识别方法
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