[发明专利]一种表情识别模型的训练方法、装置及设备

权利要求书

1.一种表情识别模型的训练方法，其特征在于，所述方法包括：

根据M个包含人脸的第一图像，生成N个第二图像，其中，M个第一图像中各个图像分别对应所述N个第二图像中的一个或多个；所述N个第二图像中每个第二图像中人脸相较于对应的所述第一图像中的人脸发生变化，且所述N个第二图像中每个第二图像的人脸和对应的所述第一图像的人脸属于同一类表情；

将所述M个第一图像和所述N个第二图像分别输入到预训练模型中，得到所述M个第一图像的M个第一表情预测结果，以及所述N个第二图像的N个第二表情预测结果；

分别计算所述M个第一图像中各个图像的第一表情预测结果与对应的所述第二图像的第二表情预测结果的距离；

若所述M个第一图像中P个图像的第一表情预测结果与对应的所述第二图像的第二表情预测结果的距离小于或等于阈值，则使用所述M个第一图像中所述P个图像的所述第一表情预测结果训练所述预训练模型，以得到目标模型；

其中，M、N、P为正整数，且P小于或等于M。

2.根据权利要求1所述的方法，其特征在于，所述阈值为所述M个第一图像中各个图像的第一表情预测结果与对应的所述第二图像的第二表情预测结果的距离的平均值或中值。

3.根据权利要求1或2所述的方法，其特征在于，所述距离为欧式距离或散度。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据M个包含人脸的第一图像，生成N个第二图像，包括：

将所述M个包含人脸的第一图像输入到生成模型中，得到所述N个第二图像；

其中，所述生成模型为具有ResBlock结构的自编码器模型，和/或，所述生成模型为解码器的神经网络层数大于编码器的神经网络层数的自编码器模型。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

在训练所述生成模型的过程中，使用二范数损失和感知损失进行约束。

6.一种表情识别的方法，其特征在于，所述方法包括：

接收输入的待识别表情的图像，利用表情识别模型对所述待识别表情的图像进行表情识别，输出所述待识别表情的图像对应的表情类别；

其中，所述表情识别模型为根据分批次输入的包含人脸的第一图像和预训练模型迭代训练得到；其中每一批次包括M个第一图像；

并且，在每一批次的训练过程中，根据所述M个第一图像生成N个第二图像，其中，所述M个第一图像中各个图像分别对应所述N个第二图像中的一个或多个；所述N个第二图像中每个第二图像中人脸相较于对应的所述第一图像中的人脸发生变化，且所述N个第二图像中每个第二图像的人脸和对应的所述第一图像的人脸属于同一类表情；将所述M个第一图像和所述N个第二图像分别输入到所述预训练模型中，得到所述M个第一图像的M个第一表情预测结果，以及所述N个第二图像的N个第二表情预测结果；分别计算所述M个第一图像中各个图像的第一表情预测结果与对应的所述第二图像的第二表情预测结果的距离；若所述M个第一图像中P个图像的第一表情预测结果与对应的所述第二图像的第二表情预测结果的距离小于或等于阈值，则使用所述M个第一图像中所述P个图像的所述第一表情预测结果训练所述预训练模型，其中，M、N、P为正整数，且P小于或等于M。

7.根据权利要求6所述的方法，其特征在于，所述阈值为所述M个第一图像中各个图像的第一表情预测结果与对应的所述第二图像的第二表情预测结果的距离的平均值或中值。

8.根据权利要求6或7所述的方法，其特征在于，所述距离为欧式距离或散度。

9.根据权利要求6-8任一项所述的方法，其特征在于，所述根据所述M个第一图像生成N个第二图像，包括：

将所述M个第一图像输入到生成模型中，得到所述N个第二图像；

其中，所述生成模型为具有ResBlock结构的自编码器模型，和/或，所述生成模型为解码器的神经网络层数大于编码器的神经网络层数的自编码器模型。