当前位置: 首页 > 科技成果列表 > 科技成果详细

一种基于3D卷积神经网络的微表情识别方法

技术类型:发明专利

技术成熟度:研发

转让方式:技术转让、技术许可、技术入股

专利申请日:2016-10-27

专利所属地 :中国

专利号:CN201610954555.9

应用领域:通用仪器仪表制造

技术领域:电子信息

交易价格:面议专利价值评估

应用案例:否

了解与分析本科技成果,可查看成果概况并使用以下技术转移数智化应用工具:
成果概况
简介

本发明涉及一种基于3D卷积神经网络的微表情识别方法。该方法基于所构造出的3D卷积神经网络(3D-CNN)模型,能够有效识别出高兴、厌恶、压抑、惊讶以及其他5类微表情。所设计微表情识别方法简单、高效,不需要对样本数据进行特征提取、特征降维、分类等一系列过程,大大减少了预处理的难度。

而且,通过感受野和权值共享,减少了神经网络需要训练的参数的个数,大大降低了算法的复杂度。不仅如此,所设计微表情识别方法中,通过下采样层的下采样操作,增强了网络的鲁棒性,能容忍图像一定程度的畸变。

(此文字表达经过AI优化完善,查看原文请点击 原文)
专利基本信息
专利名称 一种基于3D卷积神经网络的微表情识别方法
专利状态 - 专利号(申请号) CN201610954555.9
申请号 - 专利申请日期 2016-10-27
专利授权日期 2017-04-19 专利权届满日 -
专利所属地 中国 专利类型 发明专利
发明人 卢官明;杨成;闫静杰
权利人 -
专利摘要 本发明涉及一种基于3D卷积神经网络的微表情识别方法,基于所构造出的3D卷积神经网络(3D‑CNN)模型,能够有效识别出高兴、厌恶、压抑、惊讶以及其他5类微表情,并且所设计微表情识别方法简单、高效,不需要对样本数据进行特征提取、特征降维、分类等一系列过程,大大减少了预处理的难度,而且通过感受野和权值共享,减少了神经网络需要训练的参数的个数,大大降低了算法的复杂度,不仅如此,所设计微表情识别方法中,通过下采样层的下采样操作,增强了网络的鲁棒性,能容忍图像一定程度的畸变。
成果评价分析
技术应用分析
服务案例
Baidu
map