基于多任务深度学习的情感识别方法、系统及存储介质

    公开(公告)号:CN116030526A

    公开(公告)日:2023-04-28

    申请号:CN202310165454.3

    申请日:2023-02-27

    Abstract: 本发明公开了一种基于多任务深度学习的情感识别方法、系统及存储介质,所述方法包括:获取情感数据集;情感数据集包括多张课堂学生图像,在课堂学生图像中标注每个学生的情感状态标签;构建的多任务深度学习网络模型包括图像表征学习网络、图像重构网络和多任务标签生成网络;利用图像表征学习网络对课堂学生图像进行特征提取,得到表征向量;利用图像重构网络对表征向量进行图像重构;利用多任务标签生成网络根据表征向量预测情感状态标签;利用情感数据集训练多任务深度学习网络模型,计算损失函数并更新模型的权重;将待识别图像输入训练好的多任务深度学习网络模型中,预测情感状态标签。本发明利用构建的网络模型提高了情感识别的准确率。

    基于多任务深度学习的情感识别方法、系统及存储介质

    公开(公告)号:CN116030526B

    公开(公告)日:2023-08-15

    申请号:CN202310165454.3

    申请日:2023-02-27

    Abstract: 本发明公开了一种基于多任务深度学习的情感识别方法、系统及存储介质,所述方法包括:获取情感数据集;情感数据集包括多张课堂学生图像,在课堂学生图像中标注每个学生的情感状态标签;构建的多任务深度学习网络模型包括图像表征学习网络、图像重构网络和多任务标签生成网络;利用图像表征学习网络对课堂学生图像进行特征提取,得到表征向量;利用图像重构网络对表征向量进行图像重构;利用多任务标签生成网络根据表征向量预测情感状态标签;利用情感数据集训练多任务深度学习网络模型,计算损失函数并更新模型的权重;将待识别图像输入训练好的多任务深度学习网络模型中,预测情感状态标签。本发明利用构建的网络模型提高了情感识别的准确率。

Patent Agency Ranking