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。
| 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。 | ||