-
公开(公告)号：CN112990097A
公开(公告)日：2021-06-18
申请号：CN202110393430.4
申请日：2021-04-13
Applicant: 电子科技大学
Abstract: 本发明涉及一种基于对抗消除的人脸表情识别方法，涉及计算机视觉领域。首先以一个深度卷积神经网络为基础，搭建人脸表情识别网络，在自然人脸表情数据集上，通过损失函数对该人脸表情识别网络进行训练，使人脸表情特征更容易被区分开；然后利用改进的对抗消除方法来主动地消除掉输入图像的部分关键特征，生成新的数据集来训练新的具有不同权重分布和特征提取能力网络，迫使网络依据更多的特征进行表情分类判别，降低了遮挡等干扰因素对于网络识别准确率的影响，提升了人脸表情识别网络的鲁棒性；最后采用网络集成和相对多数投票法获得最终表情分类的预测结果。本发明不仅提高人脸表情识别网络的准确率，而且有效地减少遮挡因素对网络的干扰。
-
公开(公告)号：CN113822558B
公开(公告)日：2023-04-07
申请号：CN202111054782.3
申请日：2021-09-09
Applicant: 电子科技大学
IPC: G06Q10/0639 , G06Q50/20 , G06N3/006
Abstract: 本发明公开了一种基于AI识别数据的学生评估方法及系统，涉及智能教育领域。适用于学生评估的轻量级网络模型，该模型以AI识别数据为输入，以评估结果为输出；提出了训练数据生成算法、训练数据生成算法，通过上述算法将多维AI识别数据及标签统一处理成适用于网络模型的训练数据，可解决任意AI识别数据与各类标签之间维度不统一，原生数据无法满足多维度、跨时间段预测模型训练的难题；提出模拟数据生成算法、模拟标签生成算法，使用这些算法并配上训练数据生成算法、训练数据生成算法生成模拟训练数据。使用生成的模拟训练数据对网络模型进行预训练，解决了学生评估这类应用场景下标签量不足的难题。
-
公开(公告)号：CN112990097B
公开(公告)日：2022-11-04
申请号：CN202110393430.4
申请日：2021-04-13
Applicant: 电子科技大学
Abstract: 本发明涉及一种基于对抗消除的人脸表情识别方法，涉及计算机视觉领域。首先以一个深度卷积神经网络为基础，搭建人脸表情识别网络，在自然人脸表情数据集上，通过损失函数对该人脸表情识别网络进行训练，使人脸表情特征更容易被区分开；然后利用改进的对抗消除方法来主动地消除掉输入图像的部分关键特征，生成新的数据集来训练新的具有不同权重分布和特征提取能力网络，迫使网络依据更多的特征进行表情分类判别，降低了遮挡等干扰因素对于网络识别准确率的影响，提升了人脸表情识别网络的鲁棒性；最后采用网络集成和相对多数投票法获得最终表情分类的预测结果。本发明不仅提高人脸表情识别网络的准确率，而且有效地减少遮挡因素对网络的干扰。
-
公开(公告)号：CN113822558A
公开(公告)日：2021-12-21
申请号：CN202111054782.3
申请日：2021-09-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于AI识别数据的学生评估方法及系统，涉及智能教育领域。适用于学生评估的轻量级网络模型，该模型以AI识别数据为输入，以评估结果为输出；提出了训练数据生成算法、训练数据生成算法，通过上述算法将多维AI识别数据及标签统一处理成适用于网络模型的训练数据，可解决任意AI识别数据与各类标签之间维度不统一，原生数据无法满足多维度、跨时间段预测模型训练的难题；提出模拟数据生成算法、模拟标签生成算法，使用这些算法并配上训练数据生成算法、训练数据生成算法生成模拟训练数据。使用生成的模拟训练数据对网络模型进行预训练，解决了学生评估这类应用场景下标签量不足的难题。
-
-
-
Search Results
4
records
(took 0.015 seconds)
