[发明专利]样本筛选及表情识别方法、神经网络、设备及存储介质

权利要求书

1.一种样本筛选方法，其特征在于，包括：

获得多元组样本，所述多元组样本包括：锚样本、正样本及负样本；

利用所述多元组样本，进行神经网络的训练，在训练的每一迭代步，利用所述神经网络对多元组样本进行处理，得到所述锚样本的第一特征表达向量、所述正样本的第二特征表达向量及所述负样本的第三特征表达向量；根据所述第一特征表达向量及所述第二特征表达向量确定所述锚样本与所述正样本之间的第一样本距离，根据所述第一特征表达向量与所述第三特征表达向量确定所述锚样本与所述负样本之间的第二样本距离；根据所述第一样本距离与所述第二样本距离的分布统计特性，构建用于对所述多元组样本进行筛选的边界条件；利用所述边界条件对所述多元组样本进行筛选，筛选所得保留结果进入下一迭代步的训练，其中，所述第一样本距离与所述第二样本距离为随机样本距离并且服从正态分布，所述神经网络利用基于所述第一样本距离、所述第二样本距离以及损失函数参数所构建的多元组损失函数；

根据所述第一样本距离与所述第二样本距离的分布统计特性，构建用于对所述多元组样本进行筛选的边界条件，具体包括：

利用所述多元组样本在所述神经网络中全连接层的模，以及所述多元组样本在所述全连接层的特征维度，确定正态分布的均值和标准方差；

利用所述均值、所述标准方差、所述正样本对应的第一显著性水平以及所述负样本对应的第二显著性水平，构建用于筛选所述正样本的第一子边界条件以及用于筛选所述负样本的第二子边界条件；

构建用于筛选所述正样本的第一子边界条件以及用于筛选所述负样本的第二子边界条件的步骤，具体包括：

根据特征距离分布检测异常三元组样本并提前丢弃，随机变量特征距离d服从正态分布：其中γ是样本在神经网络FC层的模，n是样本在FC层特征维度，和是该正态分布的均值和标准方差；

选择一个正常的x_p，显著性水平为τ_p，当欧式距离d(f(x_a)，f(x_p))落在正常区域原假设H₀成立，否则对立假设H₁成立：其中，μ_d(f(x_a)，f(x_p))是随机变量d(f(x_a)，f(x_p))的平均值；

当三元组样本对立假设成立时，即认为该三元组样本是异常样本并且被丢弃，由此计算得到筛选的边界值：，其中，F^-1(1-τ_p)是正态分布的累积概率分布的倒数，概率为1-τ_p，τ_p，τ_n分别是正负样本的显著性水平。

2.如权利要求1所述的样本筛选方法，其特征在于，所述多元组损失函数为三元组损失函数或四元组损失函数。

3.一种表情识别方法，其特征在于，包括：利用如权利要求1或2所述的样本筛选方法训练所得的所述神经网络，对待识别图像进行处理，得到表情识别结果。

4.如权利要求3所述的表情识别方法，其特征在于，所述表情识别方法还包括：

对所述多元组样本进行侧脸筛选。

5.如权利要求3所述的表情识别方法，其特征在于，所述表情识别方法还包括：

对所述多元组样本进行遮挡筛选。

6.一种神经网络，其特征在于，所述神经网络通过如权利要求1或2所述的样本筛选方法训练得到。

7.一种计算设备，包括存储器及处理器，其特征在于，所述处理器执行所述存储器中存储的计算机程序时实现如权利要求1或2所述方法中的步骤。

8.一种计算设备，包括存储器及处理器，其特征在于，所述处理器执行所述存储器中存储的计算机程序时实现如权利要求3至5任一项所述方法中的步骤。