[发明专利]一种基于长短时记忆网络的微表情识别方法在审
| 申请号： | 201810295901.6 | 申请日： | 2018-04-04 |
| 公开（公告）号： | CN110348271A | 公开（公告）日： | 2019-10-18 |
| 发明（设计）人： | 贲晛烨;庞建华;任亿;翟鑫亮;陈瑞敏;张鑫 | 申请（专利权）人： | 山东大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 济南金迪知识产权代理有限公司 37219 | 代理人： | 杨树云 |
| 地址： | 250199 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于长短时记忆网络的微表情识别方法，包括：A、微表情样本处理：1)处理微表情数据集的样本数据和标签数据；2)构建分层数据格式hdf5训练和测试文件；B、长短时记忆网络训练：3)构建卷积神经网络模型，为所构建的卷积神经网络模型微调参数，并训练一个柔性最大值损失函数，使其参数最佳；4)固定训练好的卷积神经网络模型的参数，训练长短时记忆网络模型，使得特定维的损失函数降到最低；C、微表情识别：根据训练好的长短时记忆网络模型，初始化测试参数，将用于测试的样本送入训练好的长短时记忆网络模型中，经过网络前向传播之后输出识别率。本发明提取的特征较已有方法更具有鲁棒性。 | ||
| 搜索关键词： | 记忆网络 卷积神经网络 表情识别 构建 损失函数 分层数据格式 标签数据 表情数据 测试参数 测试文件 前向传播 输出识别 样本处理 样本数据 初始化 鲁棒性 微调 送入 样本 表情 测试 网络 | ||
【主权项】：
1.一种基于长短时记忆网络的微表情识别方法，其特征在于，包括：A、微表情样本处理1)处理微表情数据集的样本数据和标签数据；2)构建分层数据格式hdf5训练和测试文件；B、长短时记忆网络训练3)构建卷积神经网络模型，通过利用训练好的网络模型为所构建的卷积神经网络模型微调参数，并训练一个柔性最大值损失函数，使得所构建的卷积神经网络模型的参数最佳；4)固定训练好的卷积神经网络模型的参数，训练长短时记忆网络模型，使得特定维的损失函数降到最低；C、微表情识别根据训练好的长短时记忆网络模型，初始化测试参数，将用于测试的样本送入训练好的长短时记忆网络模型中，经过网络前向传播之后输出识别率。
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山东大学，未经山东大学许可，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/201810295901.6/，转载请声明来源钻瓜专利网。
