基于自监督的小样本面部表情识别方法及系统
发明专利本公开提供了基于自监督视觉的小样本面部表情识别方法及系统,涉及情绪识别技术领域,包括针对无标签人脸表情图像,对每个原始图像进行四个前置任务,通过ViT模型产生四组损失函数;从实验室面部表情图像中获取表情序列和峰值表情图像并提取时空特征,利用时空特征进行表情分类,并对ViT模型的所有参数进行微调;将自然环境面部表情图像划分支持样本和查询样本,然后分别输入至微调后的ViT模型中计算特征向量,基于支持样本的特征向量计算每个表情类别的原型向量,计算每个原型向量和查询样本的特征向量之间的欧式距离,利用欧式距离确定查询集样本的表情分类结果;有效降低小样本面部表情识别任务的训练成本,提高分类准确率。
《基于自监督的小样本面部表情识别方法及系统》是一发明专利,专利号为 2022113020760,当前法律状态为已下证,由山东师范大学提出申请,发明人为郑向伟;陈宣池;任秀秀;李甜甜;张宇昂,申请日期为2022-10-24,公开(公告)日期为2026-02-06,国际专利分类号(IPC)为 G06V40/16(2022.01)I;G06V10/80(2022.01)I;G06V10/82(2022.01)I;G06N3/0455(2023.01)I,高新资质:未报高企,所属技术领域包括:人脸识别/心理评估/抑郁焦虑情绪识别/人机交互。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本公开提供了基于自监督视觉的小样本面部表情识别方法及系统,涉及情绪识别技术领域,包括针对无标签人脸表情图像,对每个原始图像进行四个前置任务,通过ViT模型产生四组损失函数;从实验室面部表情图像中获取表情序列和峰值表情图像并提取时空特征,利用时空特征进行表情分类,并对ViT模型的所有参数进行微调;将自然环境面部表情图像划分支持样本和查询样本,然后分别输入至微调后的ViT模型中计算特征向量,基于支持样本的特征向量计算每个表情类别的原型向量,计算每个原型向量和查询样本的特征向量之间的欧式距离,利用欧式距离确定查询集样本的表情分类结果;有效降低小样本面部表情识别任务的训练成本,提高分类准确率。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
