一种基于空间分布损失函数的真实环境下的人脸表情识别方法与流程

技术特征：
1.一种基于空间分布损失函数的真实环境下的人脸表情识别方法，其特征在于，1)将人脸表情数据集的图像进行预处理；2)设计高效注意力机制的卷积神经网络；3)在高效注意力机制网络学习过程中部署联合损失函数进行监督学习，该损失函数由softmaxloss、centerloss以及sdloss组，其公式如下：l＝l
s
λl
c
γl
sd
其中λ＝3，γ＝5；4)将人脸表情数据集分为训练集、验证集以及测试集；对上文设计的卷积神经网络进行预训练；5)利用人脸表情数据集对训练模型进行参数微调，得到最终的人脸表情识别模型；6)使用最终的人脸表情识别模型进行人脸表情识别。2.根据权利要求1所述的一种基于空间分布损失函数的真实环境下的人脸表情识别方法，其特征在于：在步骤2)中，所设计高效注意力机制卷积神经网络的具体过程为：(1)该网络利用resnet-18作为骨干网络，将注意力机制模块嵌入resnet-18的每一个basicblock中；(2)注意力机制模块利用卷积神经网络生成的特征图以生成注意力图；再利用注意力图在卷积神经网络生成的特征图重生成对人脸表情识别具有显著性影响的特征图。3.根据权利要求2所述的一种基于空间分布损失函数的真实环境下的人脸表情识别方法，其特征在于：注意力机制模块采用eca-net，其详细过程为：eca-net首先对输入的特征图使用全局平均池化，将特征从二维矩阵压缩与提取到单个数值，然后在不降低维度的情况下通过执行大小为k的快速一维卷积来生成通道权重，获取各个通道之间的相关依赖关系，最后将生成的各个权重通过乘法加权到原来的输入特征图上，将通过eca-net提取的特征与原本的特征的加权完成在通道空间的特征在标定；eca-net通过k近邻进行局部性交互，有效减少了跨所有通道进行交互的计算量和复杂度，通过大小为k的一维卷积来为每个特征通道生成权重，获取特征通道之间的相关性，即：ω＝σ(conv1d
k
(y))公式中的conv1d表示一维卷积,k决定了跨通道局部交互的覆盖范围，由于通道维数c大小与k成正比，得到其指数函数对应关系：c＝φ(k)＝2
γ*k-b
因此，在本文给定通道维c的情况下，通过如下函数关系自适应确定参数k的大小：式中odd为最近的奇数t；并且这里将γ和b分别设为2和1；映射函数ψ为通道维数越大则k越大，跨通道局部交互的范围也就越大。4.根据权利要求1所述的一种基于空间分布损失函数的真实环境下的人脸表情识别方法，其特征在于：在步骤3)中，部署在高效注意力机制网络中的联合损失函数的具体的含义：
l＝l
s
λl
c
λl
sd
其中l
s
为softmax损失，l
c
为中心损失，l
sd
为新提出的空间分布损失。5.根据权利要求1所述的一种基于空间分布损失函数的真实环境下的人脸表情识别方法，其特征在于：在步骤3)中，本发明使用的人脸表情数据集为rad-db和affectnet数据。

技术总结
本发明公开了一种基于空间分布损失函数的真实环境下的人脸表情识别方法，涉及计算机视觉领域，本发明的技术方案1)将人脸表情数据集的图像进行预处理；2)设计高效注意力机制的卷积神经网络；3)在高效注意力机制网络学习过程中部署联合损失函数进行监督学习；4)将人脸表情数据集分为训练集、验证集以及测试集；对上文设计的卷积神经网络进行预训练；5)利用人脸表情数据集对训练模型进行参数微调，得到最终的人脸表情识别模型；6)使用最终的人脸表情识别模型进行人脸表情识别。经过训练后得到人脸表情识别模型，实现对待分类表情图像的有效分类。分类。分类。


技术研发人员：文武 董玉晖
受保护的技术使用者：重庆邮电大学
技术研发日：2021.12.13
技术公布日：2022/3/15