[發明專利]深層網絡模型的構建方法及人臉表情識別方法和系統

在審

• 申請號: 201610591524.1
• 申請日: 2016-07-25
• 公開（公告）號: CN107657204A
• 公開（公告）日: 2018-02-02
• 發明（設計）人: 劉鵬;李松斌
• 申請（專利權）人: 中國科學院聲學研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京方安思達知識產權代理有限公司11472
• 代理人: 王宇楊,楊青

1.深層網絡模型的構建方法，所述方法包含：

步驟S1)建立用于人臉表情識別的深層網絡模型，并對深層網絡模型的參數進行初始化；所述深層網絡模型包括：用于提取圖片高層特征的卷積神經網絡，用于提取圖片低層特征的重建網絡和用于識別人臉表情的聯合判決網絡；

步驟S2)將所有的訓練圖片劃分為N個組；

步驟S3)將每組圖片依次輸入深層網絡模型，基于梯度下降法對深層網絡模型中的參數進行訓練，每輸入一組圖片就進行一次網絡參數調整，得到該次分組圖片訓練出的深層網絡模型參數；

步驟S4)將步驟S3)得到的深層網絡模型參數作為模型參數的初始值，重新將所有的訓練圖片劃分為N個組，轉入步驟S3)；反復進行該過程，直至所有訓練出的模型參數與模型參數的初始值相比不再發生變化，所述深層網絡模型構建完畢。

2.根據權利要求1所述的深層網絡模型的構建方法，其特征在于，所述步驟S1)具體包括：

步驟S1-1)采用3層卷積層C₁，C₂和C₃，以及3層下采樣層S₁，S₂和S₃的組合建立卷積神經網絡，層與層之間采用全連接；對卷積神經網絡中的參數集{CS}進行初始化；其中，{CS}表示卷積層和下采樣層中所有參數的矩陣集合；

步驟S1-2)建立重建網絡，所述重建網絡為L層的人工神經網絡，層與層之間采用全連接，每一個神經元采用sigmoid函數進行激活；對重建網絡中的參數集{LN}進行初始化；其中，{LN}表示L層人工神經網絡中所有參數的矩陣集合；

步驟S1-3)建立聯合判決網絡，輸入層為卷積神經網絡的輸出層和重建網絡的輸出層組成的聯合表決層；聯合判決網絡包含兩層：聯合表決層和輸出層，兩層之間采用全連接；

采用sigmoid函數對輸出層的神經元進行激活，輸出層每個神經元的判決概率p_i為：

pi=sgm(Σiwikl-1xkl-1+bil)---(1)]]>

其中，表示聯合表決層第k個神經元的輸出，表示聯合表決層第k個神經元與輸出層第i個神經元的連接權值，為對應偏置；選取輸出層輸出概率最大的神經元所對應的類別作為輸入人臉表情圖片的判決結果。