样本筛选及表情识别方法、神经网络、设备及存储介质.pdf
一只****iu
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
样本筛选及表情识别方法、神经网络、设备及存储介质.pdf
本发明适用计算机技术领域,提供了一种样本筛选及表情识别方法、神经网络、设备及存储介质,其中,利用多元组样本,进行神经网络的训练,在每一迭代步,确定锚样本与正样本之间的第一样本距离以及锚样本与负样本之间的第二样本距离,根据样本距离的分布统计特性,构建用于对多元组样本进行筛选的边界条件,利用该边界条件对多元组样本进行筛选,筛选所得保留结果进入下一迭代步的训练,这样,可在神经网络的训练过程中,对异常多元组样本进行筛除,避免了异常多元组样本对神经网络训练结果的影响,从而提高了表情分类识别准确度。
基于脉冲神经网络的人脸表情识别方法、存储介质及设备.pdf
本发明公开了一种基于脉冲神经网络的人脸表情识别方法、存储介质及设备,该人脸表情识别方法包括:收集人脸表情RGB图像,进行表情类别标注和分类;将分类的人脸表情RGB图像进行灰度化处理,得到分类的灰度图像;构建局部递归的脉冲神经网络模型,将灰度图像依次输入到脉冲神经网络模型中进行训练,直至达到最大迭代次数,完成对脉冲神经网络模型的训练;将待识别的人脸表情RGB图像进行灰度化处理后,输入训练好的脉冲神经网络模型中,预测出人脸表情的识别结果。该人脸表情识别方法以脉冲神经网络模型为基础,利用延迟相位编码策略转换为脉
面部表情识别方法、装置、设备及可读存储介质.pdf
本申请适用于计算机视觉技术领域,提供了面部表情识别方法、装置、终端设备及可读存储介质,方法包括:确定目标人脸图像中人脸上的各个面部动作单元所在的区域图像;根据目标人脸图像确定各个面部动作单元的动作强度;根据各个面部动作单元的强度信息和目标人脸图像,确定面部表情增强图像;将各个面部动作单元对应的区域图像和面部表情增强图像输入到预设的神经网络模型中处理,得到目标人脸图像的表情识别结果。该方法可以有效提高人脸图像的表情识别的准确度。
面部表情识别方法、终端设备及存储介质.pdf
本申请实施例公开了一种面部表情识别方法、终端设备及存储介质,应用于图像识别技术领域,可解决如何准确检测用户的面部表情的问题。该方法包括:获取人脸图像;对人脸图像进行全局特征提取得到全局特征向量,并根据全局特征向量确定人脸图像对应的全局表情分类概率;通过训练后的神经网络模型提取人脸图像的局部特征得到局部特征向量,并根据局部特征向量确定人脸图像对应的局部表情分类概率;根据全局表情分类概率和局部表情分类概率,确定人脸图像对应的目标表情分类概率,并根据目标表情分类概率确定人脸图像对应的面部表情。
表情识别方法、装置、设备及计算机存储介质.pdf
本申请实施例提供了一种表情识别方法、装置、设备及计算机存储介质,该表情识别方法包括识别目标图像数据中目标对象的面部的多个特征;将多个特征与目标对象的预设基准表情的特征进行比较,得到多个特征中每个特征对应的特征向量;将多个特征中每个特征对应的特征向量与预设微表情对应的预设特征向量进行比较,得到每个特征对应的目标微表情;组合多个特征对应的目标微表情,得到目标对象的目标面部表情。根据本申请实施例,可以捕捉到目标对象复杂的表情变化,从而精确驱动虚拟形象复杂的表情变化,提高了表情识别结果的准确率。