公开(公告)号：CN117912083A

公开(公告)日：2024-04-19

申请号：CN202410105719.5

申请日：2024-01-25

Applicant: 重庆邮电大学

Inventor： 周丽芳 ,  江志程 ,  李伟生

IPC: G06V40/16 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明请求保护一种线性自注意力的轻量化人脸表情识别方法(LSViT)，旨在设计轻量化的人脸表情识别神经网络，属于模式识别领域。所述方法包括以下步骤：首先，针对视觉变换器(ViT)参数较多的问题，设计基于CNN和ViT的轻量级网络模型LSViT，通过采用多阶段局部‑全局特征并行处理操作，有效融合表情局部及全局特征，可以在大幅降低多头自注意力复杂度的同时提高表情识别准确性。其次，设计线性多头自注意模块充分捕捉表情各区域之间的关联性特征。此外，设计局部空间注意模块让网络在处理具有干扰因素的面部表情时能够更集中于关键信息。最后，设计鉴别损失以扩大类间距离和最小化类内距离，进一步提高表情识别准确性。

公开(公告)号：CN114842534A

公开(公告)日：2022-08-02

申请号：CN202210492125.5

申请日：2022-05-07

Applicant: 重庆邮电大学

Inventor： 周丽芳 ,  王懿 ,  江志程 ,  丁相 ,  栗思秦 ,  邓广

IPC: G06V40/16 ,  G06V10/82 ,  G06V10/80 ,  G06V10/762 ,  G06V10/54 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明请求保护一种基于区域自注意力卷积神经网络的人脸表情识别方法，属于模式识别与计算机视觉技术领域包括以下步骤：首先，利用VGG16网络提取输入图像的深度全局特征，在提取特征的同时保留面部表情的全局信息。其次，通过设计的区域局部多值模式与改进的K‑means算法对像素进行动态聚类，保证表情变化区域特征的鲁棒性，并将二值模式扩展到多个模式，整合区域内像素间的灰度差信息，增强纹理描述。此外，通过自注意机制形成区域权值，并使用秩正则化损失约束不同区域的权值。最后，将加权特征与深度网络提取的特征相结合，增强特征的表征能力。本发明旨在建立一个鲁棒的人脸表情识别网络来准确地估计真实环境中面部表情的类别。