[發明專利]一種預激活殘差深度可分離卷積網絡面部表情識別方法、裝置和載體

在審

• 申請號: 202011607372.2
• 申請日: 2020-12-30
• 公開（公告）號: CN112668486A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 劉云清;李棋;劉聰;顏飛;張瓊;彭月琪
• 申請（專利權）人: 長春理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08;G06N3/04
• 代理公司: 北京睿博行遠知識產權代理有限公司 11297
• 代理人: 劉桂榮

1.一種預激活殘差深度可分離卷積網絡面部表情識別方法,其特征在于：

識別面部并采集面部照片得到數據樣本圖像；

數據樣本圖像輸入至淺層特征提取部分進行多次普通卷積運算以提取淺層特征，得到多幅淺層樣本數據特征圖；

每幅淺層樣本數據特征圖作為輸入通道輸入至下采樣層特征提取部分分別執行深層特征提取得到深層樣本數據特征圖；

深層樣本數據特征圖輸入至下采樣層特征提取部分全局平均池化后應用Softmax激活函數產生預測，并輸出訪問者面部面部表情預測結果；

其中，下采樣層特征提取部分包括預激活殘差深度可分離單元，預激活殘差深度可分離單元得到淺層樣本數據特征圖后進行深度可分離卷積運算后輸出深層樣本數據特征圖；

深度可分離卷積運算的執行過程包括逐次進行的深度卷積運算和逐點卷積運算；

深度卷積運算包括逐次進行的批歸一化運算、摻入Relu函數運算、通道卷積運算；

逐點卷積運算包括逐次進行的批歸一化運算、摻入Relu函數運算和1×1卷積運算。

2.根據權利要求1所述的一種預激活殘差深度可分離卷積網絡面部表情識別方法,其特征在于：

所述的下采樣層特征提取部分包括預激活殘差深度可分離單元，預激活殘差深度可分離單元得到淺層樣本數據特征圖后進行深度可分離卷積運算后輸出深層樣本數據特征圖步驟，同時或之后還包括，

預激活殘差深度可分離單元還包括殘差模塊，得到的淺層樣本數據特征圖輸入至殘差模塊，殘差模塊將淺層樣本數據特征圖進行普通卷積運算和批歸一化處理并輸出殘差特征圖與深度可分離卷積的結果求和后輸出深層樣本數據特征圖。

3.根據權利要求2所述的一種預激活殘差深度可分離卷積網絡面部表情識別方法,其特征在于，

所述的下采樣層特征提取部分包含四層順次執行的預激活殘差深度可分離單元，且上層預激活殘差深度可分離單元輸出的深層樣本數據特征圖為下層預激活殘差深度可分離單元的輸入。

4.根據權利要求2所述的一種預激活殘差深度可分離卷積網絡面部表情識別方法,其特征在于，所述的深度可分離卷積執行過程步驟，包括，

預設深度卷積運算的卷積核倍數，每次深度可分離卷積結束后得到深度卷積的卷積核倍數的深層特征樣本，逐點卷積過程中將各個深層特征樣本同一位置的信息進行融合得到該層的深層樣本數據特征圖。

5.根據權利要求3所述的一種預激活殘差深度可分離卷積網絡面部表情識別方法,其特征在于，

所述的下采樣層特征提取部分包含四層順次執行的預激活殘差深度可分離單元步驟，包括，

所述的深度可分離卷積運算還包括最大池化層，最大池化層將逐點卷積的輸出結果最大池化運算后輸入至下層預激活殘差深度可分離單元。

6.根據權利要求1所述的一種預激活殘差深度可分離卷積網絡面部表情識別方法,其特征在于，

所述的數據樣本圖像輸入至淺層特征提取部分進行多次普通卷積運算以提取淺層特征，得到多幅淺層樣本數據特征圖步驟，包括，

淺層特征提取部分包含三層順次執行的卷積網絡，得到數據樣本圖像后卷積網絡進行批歸一化運算和摻入Relu函數運算并將結果輸出至下層的卷積網絡直至得到多幅淺層樣本數據特征圖。

7.根據權利要求1所述的一種預激活殘差深度可分離卷積網絡面部表情識別方法,其特征在于，

所述的識別訪問者面部并采集面部照片得到數據樣本圖像步驟，包括

識別訪問者面部直至完成人臉檢測并截取當前時刻的人像圖，得到人像后裁剪圖像保留面部區域，并復制該面部區域的多角度翻轉圖像和尺寸變化圖像并將所有圖像作為數據樣本圖像輸出。

8.根據權利要求1所述的一種預激活殘差深度可分離卷積網絡面部表情識別方法,其特征在于，所述的數據樣本圖像為樣本數據集。