[发明专利]一种基于卷积神经网络的面部情感分析方法在审
| 申请号： | 201910779634.4 | 申请日： | 2019-08-22 |
| 公开（公告）号： | CN110610138A | 公开（公告）日： | 2019-12-24 |
| 发明（设计）人： | 孙强;刘磊;张龙涛 | 申请（专利权）人： | 西安理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 61214 西安弘理专利事务所 | 代理人： | 王蕊转 |
| 地址： | 710048 陕*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开的一种基于卷积神经网络的面部情感分析方法，包括选择训练样本和验证样本；输入训练样本，得到归一化人脸图像以及归一化人脸特征点；将归一化人脸图像送入卷积神经网络模型提取情感特征，将归一化人脸特征点信息送入全连接层得到位置特征，将情感特征与位置特征进行拼接；将情感特征映射为二维的预测标签，定义损失函数，衡量损失，使网络反向传播，完成模型训练，再通过验证样本验证即可。本发明面部情感分析方法采用卷积神经网络模型和多输出均方根误差提取情感特征，同时加入人脸特征点，即克服了人为定义特征丢失情感信息的问题，又描述情感维度之间的相关性，提高了模型的预测性能准确性。 | ||
| 搜索关键词： | 情感特征 归一化 卷积神经网络 人脸特征点 情感分析 人脸图像 位置特征 训练样本 送入 验证 均方根误差 定义特征 反向传播 模型提取 模型训练 情感信息 损失函数 样本验证 预测性能 多输出 连接层 映射 二维 维度 拼接 样本 标签 衡量 预测 网络 | ||
【主权项】：
1.一种基于卷积神经网络的面部情感分析方法，其特征在于，包括以下步骤：/n步骤1，选择训练样本和验证样本；/n基于Affect-Net数据库的九种离散标签，选取对应的九类离散样本，每类离散样本均取不少于10500个样本，不少于10000个作为训练样本，不少于500个作为验证样本；因此，选取不少于90000个作为训练样本，不少于4500个作为验证样本，在Affect-Net数据集提供的测试集上测试模型的性能；/n步骤2，输入步骤1中的训练样本作为的待处理人脸图像，预处理，得到归一化人脸图像以及归一化人脸特征点；/n步骤3，将步骤2的归一化人脸图像送入卷积神经网络模型提取情感特征，并将归一化人脸特征点信息送入卷积神经网络模型全连接层得到位置特征，最终情感特征与位置特征进行拼接；/n步骤4，将步骤3得到的情感特征经过全连接层线性映射为二维的预测标签arousal和valence值，定义卷积神经网络的损失函数，衡量损失，使网络反向传播，直至网络模型训练完成；/n步骤5，将步骤1中验证样本中的图像作为输入，重复步骤2-4，完成验证。/n
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西安理工大学，未经西安理工大学许可，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/patent/201910779634.4/，转载请声明来源钻瓜专利网。
