[发明专利]一种表情识别模型的训练方法、装置以及设备

说明书

本说明书实施例公开了一种表情识别模型的训练方法、装置以及设备。通过获取训练样本，所述训练样本包括身份标签和表情标签；采用第一稠密块提取所述训练样本的身份特征，以及，采用第二稠密块提取所述训练样本的表情特征；采用第三稠密块融合所述表情特征和身份特征，生成融合特征；根据所述融合特征进行身份识别和表情识别，分别生成身份识别结果和表情识别结果；根据所述身份识别结果和所述身份标签的差异确定第一损失值，根据所述表情识别结果和所述表情标签的差异确定第二损失值；融合所述第一损失值和第二损失值，确定总体损失值；根据所述总体损失值进行训练，生成目标模型。从而实现特征融合，提升对于表情的识别准确度。

技术领域

本说明书涉及互联网技术领域，尤其涉及一种表情识别模型的训练方法、装置以及设备。

背景技术

人类的表情，比如高兴、生气、伤心等，作为一种心理状态的表达从脸部表现出来，因此可以通过人脸的表情来判断人类的心理状态，由此表情识别在人机交互中得到广泛应用。

但是在表情识别的过程中，人脸表情经常呈现不稳定、不规律的状态。不同的人表达相同的表情时会呈现出很大的差异性(即类内差异性)，而同时不同的表情之间又存在一定的相似性(即类间相似性)。在实际中，也存在不同的人做相同的表情时会存在明显的差异，而同时有一部分人会采用相同的表情表达不同的心里状态，这都给表情的准确分类带来了挑战。

基于此，需要一种更为准确的表情识别模型的训练方案，以训练得到识别准确度更高的表情识别模型。

发明内容

本说明书一个或多个实施例提供一种表情识别模型的训练方法、装置、设备以及存储介质，用以解决如下技术问题：需要识别准确度更高的表情识别模型。

为解决上述技术问题，本说明书一个或多个实施例是这样实现的：

在第一方面，本说明书实施例提供一种表情识别模型的训练方法，应用于包含多个结构相同的稠密块的初始模型，所述方法包括：获取训练样本，所述训练样本包括身份标签和表情标签；采用第一稠密块提取所述训练样本的身份特征，以及，采用第二稠密块提取所述训练样本的表情特征；采用第三稠密块融合所述表情特征和身份特征，生成融合特征；根据所述融合特征进行身份识别和表情识别，分别生成身份识别结果和表情识别结果；根据所述身份识别结果和所述身份标签的差异确定第一损失值，根据所述表情识别结果和所述表情标签的差异确定第二损失值；融合所述第一损失值和第二损失值，确定总体损失值；根据所述总体损失值对所述第三稠密块中的参数进行训练，生成目标模型。

在第二方面，本说明书实施例提供一种表情识别模型的训练装置，应用于包含多个结构相同的稠密块的初始模型，所述装置包括：样本获取模块，获取训练样本，所述训练样本包括身份标签和表情标签；特征提取模块，采用第一稠密块提取所述训练样本的身份特征，以及，采用第二稠密块提取所述训练样本的表情特征；特征融合模块，采用第三稠密块融合所述表情特征和身份特征，生成融合特征；识别模块，根据所述融合特征进行身份识别和表情识别，分别生成身份识别结果和表情识别结果；损失确定模块，根据所述身份识别结果和所述身份标签的差异确定第一损失值，根据所述表情识别结果和所述表情标签的差异确定第二损失值；损失融合模块，融合所述第一损失值和第二损失值，确定总体损失值；参数训练模块，根据所述总体损失值对所述第三稠密块中的参数进行训练，生成目标模型。

在第三方面，本说明书实施例提供一种电子设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的方法。

在第四方面，本说明书实施例提供一种非易失性计算机存储介质存储有计算机可执行指令，当计算机读取存储介质中的计算机可执行指令后，该指令使得一个或多个处理器执行如第一方面所述的方法。