[发明专利]基于辅任务的深度卷积小波神经网络表情识别方法

摘要

本发明公开了一种基于辅任务的深度卷积小波神经网络表情识别方法，解决了现有特征选择算子不能高效学习出表情特征、无法提取更多图像表情信息分类特征的问题。本发明实现为：搭建深度卷积小波神经网络；建立人脸表情集和相应的表情敏感区域图像集；输入人脸表情图像到网络；训练深度卷积小波神经网络；网络误差反向传播；更新网络各卷积核和偏置向量；输入表情敏感区域图像到训练好的网络；学习辅任务的加权比重；获得网络全局分类标签；依全局标签统计识别正确率。本发明兼顾了表情图像的抽象和细节信息，增强表情敏感区域在表情特征学习中的影响力，明显提高了表情识别的正确率，可应用于对人脸表情图像的表情识别。

主权项

1.一种基于辅任务的深度卷积小波神经网络表情识别方法，其特征在于，包括有如下步骤：/n(1)搭建一个由三个卷积层，两个池化层，一个多尺度变换层，一个全连接层，一个softmax输出层的深度卷积小波网络；网络卷积层的偏置权值矩阵初始化为0矩阵，网络的激活函数选用的是Sigmoid函数；/n(2)建立人脸表情图像集和表情敏感区域图像集，表情敏感区域图像集由人脸表情图像集裁剪出眉眼和嘴巴部位获得，将人脸表情图像数据集中的一部分图像作为网络的训练图像集，剩余的图像作为测试图像集；/n(3)将一幅训练图像输入到深度卷积小波网络中，输入图像的尺寸大小为96*96；/n(4)深度卷积小波网络的第一层为卷积层，该卷积层对每一幅输入人脸表情训练图像做卷积操作，选择卷积核的个数为Q