[发明专利]一种动物心情识别模型的训练方法和装置在审

专利信息
申请号: 201910547776.8 申请日: 2019-06-21
公开(公告)号: CN112115751A 公开(公告)日: 2020-12-22
发明(设计)人: 林成龙 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 北京市铸成律师事务所 11313 代理人: 杨瑾瑾;陈建民
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 动物 心情 识别 模型 训练 方法 装置
【权利要求书】:

1.一种动物心情识别模型的训练方法,其特征在于,包括:

获取训练集中的动物面部图像样本;

提取所述动物面部图像样本的关键点坐标;

将所述关键点坐标输入动物心情识别模型,得到所述动物心情识别模型输出的动物心情指数估计值;

将所述动物心情指数估计值与所述动物面部图像样本对应的动物心情指数标注值进行比较,根据所述比较的结果调整所述动物心情识别模型的参数。

2.根据权利要求1所述的方法,其特征在于,所述提取所述动物面部图像样本的关键点坐标,包括:

提取所述动物面部图像样本的多个关键点坐标;所述多个关键点坐标对应所述动物面部图像样本中的面部轮廓、眼角、眼眶最高点、眼眶最低点、眉毛轮廓、鼻子轮廓及嘴巴轮廓中的至少一项。

3.根据权利要求1或2所述的方法,其特征在于,所述根据所述比较的结果调整所述动物心情识别模型的参数,包括:

当所述比较的结果不满足预设要求时,根据所述比较的结果,采用反向传播和/或梯度下降方式,调整所述动物心情识别模型的参数;针对所述训练集中的下一个所述动物面部图像样本,返回执行所述获取训练集中的动物面部图像样本的步骤;

当所述比较的结果满足预设要求时,结束对所述动物心情识别模型的训练过程。

4.根据权利要求3所述的方法,其特征在于,所述结束对所述动物心情识别模型的训练过程之后,还包括对所述动物心情识别模型的验证过程;

所述验证过程包括:

采用验证集中的动物面部图像样本及其对应的动物心情指数标注值,计算所述动物心情识别模型的准确率和召回率;

根据所述准确率和召回率计算所述动物心情识别模型的ROC曲线;

在所述ROC曲线满足预设条件的情况下,结束对所述动物心情识别模型的验证过程。

5.一种动物心情识别方法,其特征在于,包括:

获取动物面部图像;

提取所述动物面部图像的关键点坐标;

将所述关键点坐标输入预先建立的动物心情识别模型;

获取所述动物心情识别模型输出的动物心情指数估计值;所述动物心情指数估计值由所述动物心情识别模型根据所述关键点坐标预测得出。

6.根据权利要求5所述的方法,其特征在于,所述提取所述动物面部图像的关键点坐标,包括:

提取所述动物面部图像的多个关键点坐标;所述多个关键点坐标对应所述动物面部图像中的面部轮廓、眼角、眼眶最高点、眼眶最低点、眉毛轮廓、鼻子轮廓及嘴巴轮廓中的至少一项。

7.根据权利要求5或6所述的方法,其特征在于,所述动物心情识别模型设置在服务器中;

所述将所述关键点坐标输入预先训练的动物心情识别模型,包括:向服务器发送心情识别请求消息,所述心情识别请求消息中携带所述关键点坐标;

所述获取所述动物心情识别模型输出的动物心情指数估计值,包括:接收所述服务器反馈的心情识别应答消息,所述心情识别应答消息中携带所述动物心情指数估计值;从所述心情识别应答消息中提取所述动物心情指数估计值。

8.一种动物心情识别模型的训练装置,其特征在于,包括:

第一获取模块,用于获取训练集中的动物面部图像样本;

第一提取模块,用于提取所述动物面部图像样本的关键点坐标;

第一输入模块,用于将所述关键点坐标输入动物心情识别模型,得到所述动物心情识别模型输出的动物心情指数估计值;

调整模块,用于将所述动物心情指数估计值与所述动物面部图像样本对应的动物心情指数标注值进行比较,根据所述比较的结果调整所述动物心情识别模型的参数。

9.根据权利要求8所述的装置,其特征在于,所述第一提取模块,用于提取所述动物面部图像样本的多个关键点坐标;所述多个关键点坐标对应所述动物面部图像样本中的面部轮廓、眼角、眼眶最高点、眼眶最低点、眉毛轮廓、鼻子轮廓及嘴巴轮廓中的至少一项。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910547776.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top