-
-
公开(公告)号：CN106971180B
公开(公告)日：2019-05-07
申请号：CN201710346931.0
申请日：2017-05-16
申请人： 山东大学
摘要： 一种基于语音字典稀疏迁移学习的微表情识别方法，包括训练阶段和测试阶段。本专利通过投影的方式将语音和微表情投影到公共空间内，并且为了简化计算，提高效率，对投影后的数据进行稀疏字典表示；为了进一步缩小两个域的数据差距，考虑将两个域的字典进行彼此之间的重构，从而实现了字典的关联性，这样使得投影后的稀疏表示矩阵产生了更大的相关性。
-
公开(公告)号：CN106971180A
公开(公告)日：2017-07-21
申请号：CN201710346931.0
申请日：2017-05-16
申请人： 山东大学
CPC分类号： G06K9/00302 , G06K9/46 , G06K9/6232 , G06K9/6255 , G06K9/6267 , G06K2009/4695 , G10L17/02 , G10L17/04 , G10L17/14
摘要： 一种基于语音字典稀疏迁移学习的微表情识别方法，包括训练阶段和测试阶段。本发明通过投影的方式将语音和微表情投影到公共空间内，并且为了简化计算，提高效率，对投影后的数据进行稀疏字典表示；为了进一步缩小两个域的数据差距，考虑将两个域的字典进行彼此之间的重构，从而实现了字典的关联性，这样使得投影后的稀疏表示矩阵产生了更大的相关性。
-
公开(公告)号：CN107273876A
公开(公告)日：2017-10-20
申请号：CN201710587663.1
申请日：2017-07-18
申请人： 山东大学
摘要： 本发明提供了一种基于深度学习的‘宏to微转换模型’的微表情自动识别方法，包括：A、微表情样本处理：1)对微表情数据集样本和宏表情数据集样本进行预处理；2)构建跨模态元组损失函数的样本对；B、跨模态‘宏to微’转换模型训练：3)训练AU检测网络，初始化AU检测网络参数，训练一个柔性最大值损失函数；4)固定AU检测网络参数，初始化跨模态‘宏to微’转换模型参数，训练跨模态‘宏to微’转换模型；C、微表情识别：根据训练好的卷积神经网络模型，初始化测试参数，将用于测试的样本送入训练好的卷积神经网络模型中，经过网络前向传播之后输出识别率。本发明较已有方法更具有鲁棒性。
-
公开(公告)号：CN106203509A
公开(公告)日：2016-12-07
申请号：CN201610544003.0
申请日：2016-07-11
申请人： 山东大学
IPC分类号： G06K9/62
CPC分类号： G06K9/6256 , G06K9/627
摘要： 本发明提供一种耦合判别局部块对齐方法，包括数据预处理、训练阶段和测试阶段。本发明所提出的方法考虑了局部优化，因此可以处理样本分布的非线性问题；并且，本发明考虑了不同类之间近邻测度，因此，可以保持各类之间的判别性能；最后，本发明所提方法不包括矩阵求逆，所以，该方法避免了小样本问题。本发明所述方法不仅保留了已有耦合度量学习算法的共同属性，而且在局部优化阶段引入了判别信息，同时避免了小样本问题。因此，该方法大大的提高了识别性能和算法的鲁棒性。
-
公开(公告)号：CN106096537A
公开(公告)日：2016-11-09
申请号：CN201610402404.2
申请日：2016-06-06
申请人： 山东大学
IPC分类号： G06K9/00
CPC分类号： G06K9/00302 , G06K9/00288
摘要： 本发明提供了一种基于多尺度采样的微表情自动识别方法，包括微表情图像序列预处理、微表情特征提取和微表情识别。本发明为减小人脸自然位移和无效区域对微表情识别的影响，本发明采用了一种人脸自动对齐和面部区域有效分块的方法，提高了识别结果的鲁棒性；针对已有特征描述子的不足，本发明提出了一种新颖的微表情特征描述算子CPTOP，CPTOP算子具有和LBP‑TOP算子等数量的采样点数，但使用了多尺度采样的策略，在同等时间复杂度和空间复杂度下获得了更好的描述信息。
-
公开(公告)号：CN106650820B
公开(公告)日：2020-04-24
申请号：CN201611255901.0
申请日：2016-12-30
申请人： 山东大学
摘要： 一种手写电气元器件符号与标准电气元器件符号的匹配识别方法，包括，首先对手写电气元器件符号与标准电气元器件符号进行归一化特征处理，通过自适应字典耦合投影将标准电气元器件符号与手写电气元器件符号两种特征联系起来，并映射到统一的判别子空间中，利用字典学习建立分类模型，以提高手写电气元器件符号的识别精度。相比于已有的电气元器件符号识别方法，本发明对电气元器件符号特征提取和表示是拟采用Sift、Hu不变矩、Gabor和HoG特征表示方法表示单个电气元器件符号的特征，并通过加权的方式对特征进行融合组成具有鲁棒性的新特征；本发明是通过字典学习建立分类模型，从而来提高整个系统的分类性能。
-
公开(公告)号：CN107273876B
公开(公告)日：2019-09-10
申请号：CN201710587663.1
申请日：2017-07-18
申请人： 山东大学
摘要： 本发明提供了一种基于深度学习的‘宏to微转换模型’的微表情自动识别方法，包括：A、微表情样本处理：1)对微表情数据集样本和宏表情数据集样本进行预处理；2)构建跨模态元组损失函数的样本对；B、跨模态‘宏to微’转换模型训练：3)训练AU检测网络，初始化AU检测网络参数，训练一个柔性最大值损失函数；4)固定AU检测网络参数，初始化跨模态‘宏to微’转换模型参数，训练跨模态‘宏to微’转换模型；C、微表情识别：根据训练好的卷积神经网络模型，初始化测试参数，将用于测试的样本送入训练好的卷积神经网络模型中，经过网络前向传播之后输出识别率。本发明较已有方法更具有鲁棒性。
-
公开(公告)号：CN108647628A
公开(公告)日：2018-10-12
申请号：CN201810427211.1
申请日：2018-05-07
申请人： 山东大学
IPC分类号： G06K9/00
摘要： 本发明涉及一种基于多特征多任务字典稀疏迁移学习的微表情识别方法，包括训练阶段和测试阶段。本发明通过投影的方式将宏表情和微表情投影到公共空间内，并且为了简化计算，提高效率，对投影后的数据进行稀疏字典表示；为了进一步缩小两个域的数据差距，考虑将两个域的字典进行彼此之间的重构从而实现了字典的关联性，这样使得投影后的稀疏表示矩阵产生了更大的相关性；为了充分表现微表情的特点，本发明对微表情提取四种不同的特征，通过多特征选择最优组合；为了能凸显出微表情的细节表现，本发明引入多任务的思想，进一步提升了识别效果。
-
公开(公告)号：CN108647628B
公开(公告)日：2021-10-26
申请号：CN201810427211.1
申请日：2018-05-07
申请人： 山东大学
IPC分类号： G06K9/00
摘要： 本发明涉及一种基于多特征多任务字典稀疏迁移学习的微表情识别方法，包括训练阶段和测试阶段。本专利通过投影的方式将宏表情和微表情投影到公共空间内，并且为了简化计算，提高效率，对投影后的数据进行稀疏字典表示；为了进一步缩小两个域的数据差距，考虑将两个域的字典进行彼此之间的重构从而实现了字典的关联性，这样使得投影后的稀疏表示矩阵产生了更大的相关性；为了充分表现微表情的特点，本发明对微表情提取四种不同的特征，通过多特征选择最优组合；为了能凸显出微表情的细节表现，本发明引入多任务的思想，进一步提升了识别效果。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.025 秒)
