公开(公告)号：CN114998973B

公开(公告)日：2024-11-05

申请号：CN202210767992.5

申请日：2022-06-30

Applicant: 南京邮电大学

Inventor： 卢官明 ,  葛环宇 ,  卢峻禾

IPC: G06V40/16 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/094 ,  G06N3/084

Abstract: 本发明公开了一种基于域自适应的微表情识别方法，该方法包括以下步骤：将普通表情域作为源域，微表情域作为目标域，对普通表情和微表情图像进行预处理，建立源域和目标域样本集；构建包含特征学习模块、分类器和域判别器的对抗网络；在每个批次对对抗网络的训练中，用源域样本训练特征学习模块、分类器和域判别器，用目标域样本训练特征学习模块和域判别器，通过对抗学习使得源域和目标域样本的特征分布差异最小化，实现域的自适应；利用训练好的特征学习模块和分类器构建微表情识别模型，对输入的图像进行微表情识别。本发明利用现有普通表情样本去辅助微表情识别，以解决微表情训练样本数量不足的问题，提高微表情识别的准确率和鲁棒性。

公开(公告)号：CN114998973A

公开(公告)日：2022-09-02

申请号：CN202210767992.5

申请日：2022-06-30

Applicant: 南京邮电大学

Inventor： 卢官明 ,  葛环宇 ,  卢峻禾

IPC: G06V40/16 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于域自适应的微表情识别方法，该方法包括以下步骤：将普通表情域作为源域，微表情域作为目标域，对普通表情和微表情图像进行预处理，建立源域和目标域样本集；构建包含特征学习模块、分类器和域判别器的对抗网络；在每个批次对对抗网络的训练中，用源域样本训练特征学习模块、分类器和域判别器，用目标域样本训练特征学习模块和域判别器，通过对抗学习使得源域和目标域样本的特征分布差异最小化，实现域的自适应；利用训练好的特征学习模块和分类器构建微表情识别模型，对输入的图像进行微表情识别。本发明利用现有普通表情样本去辅助微表情识别，以解决微表情训练样本数量不足的问题，提高微表情识别的准确率和鲁棒性。