公开(公告)号：CN117351539A

公开(公告)日：2024-01-05

申请号：CN202311223474.8

申请日：2023-09-20

Applicant: 西安电子科技大学

Inventor： 田小林 ,  杨逸歌 ,  黄小萃 ,  盛一帆 ,  焦李成

IPC: G06V40/16 ,  G06V10/764 ,  G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06V10/762 ,  G06N3/0464

Abstract: 本发明公开了一种基于样本对比与特征聚类融合的表情识别方法，包括以下步骤：获取待识别表情数据集；将待识别表情数据集输入训练后的样本对比与特征聚类融合模型中，输出待分类增强表情特征；将待分类增强表情特征输入训练后的全连接层和训练后的分类器进行分类，输出分类结果。本发明的样本对比与特征聚类融合模型进行特征重排列并结合卷积操作以强化中心特征且弱化边缘退化特征；根据所构建样本对标签的异同分别计算对比损失，利用样本对比损失指导网络训练，减小特征的类间相似性和类内差异性；通过特征聚类获取中心特征组，利用余弦相似度衡量样本特征与各聚类中心特征之间的相似性权重，根据相似性权重进行特征融合，获取鲁棒的特征表示。

公开(公告)号：CN120071422A

公开(公告)日：2025-05-30

申请号：CN202510050507.6

申请日：2025-01-13

Applicant: 西安电子科技大学

Inventor： 田小林 ,  陶硕 ,  盛一帆 ,  程杰 ,  杨逸歌 ,  焦李成

IPC: G06V40/18 ,  G06V40/16 ,  G06V10/774 ,  G06V10/82 ,  G06N3/09

Abstract: 本发明公开了一种基于最小化多支路网络旋转方差的跨域视线预测方法，包括以下步骤：将源域图像进行光照变换，得到源域输入图像集；将源域输入图像集输入初始的视线预测网络，对初始的视线预测网络的参数进行更新，得到预训练的视线预测网络；将目标域图像进行光照变换图像和对应的原图像输入预训练的视线预测网络，对预训练的视线预测网络进行训练，得到预测目标视线预测网络；将目标域图像输入预测目标视线预测网络，根据输出的预测结果确定预测目标视线。本发明可以提取更加鲁棒的视线特征，减小了模型不确定性，可以在少量无标签的目标域数据进行更好的自适应，提高了跨域视线估计的精度。

公开(公告)号：CN120014689A

公开(公告)日：2025-05-16

申请号：CN202510050505.7

申请日：2025-01-13

Applicant: 西安电子科技大学

Inventor： 田小林 ,  盛一帆 ,  杨逸歌 ,  陶硕 ,  程杰 ,  焦李成

IPC: G06V40/18 ,  G06V10/82 ,  G06V40/16 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明公开了一种基于注意力机制的跨域视线估计方法和装置，该跨域视线估计方法包括步骤：获取源域样本数据集和目标域样本数据集；构建基于注意力机制的深度学习网络模型；将源域样本数据集输入到深度学习网络模型中，对深度学习网络模型迭代训练，得到训练后深度学习网络模型；将目标域样本数据集输入到训练后深度学习网络模型中，获取视线预估结果。本发明在主干网络的基础上，嵌入了两个通道注意力模块，并通过视线预测模块和图像重建模块两个任务分支进行约束，帮助网络提高对与视线估计任务有关的特征的提取能力，从而提高网络模型的泛化能力。