买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉陕西师范大学申请的专利基于深度联合模型的面部表情识别方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115240258B 。

龙图腾网通过国家知识产权局官网在2025-11-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210891705.1，技术领域涉及：G06V40/16；该发明授权基于深度联合模型的面部表情识别方法及系统是由房蓓;何聚厚;韩广欣;郑晓龙设计研发完成，并于2022-07-27向国家知识产权局提交的专利申请。

本基于深度联合模型的面部表情识别方法及系统在说明书摘要公布了：本发明公开了一种基于深度联合模型的面部表情识别方法及系统，涉及面部情感识别技术领域，其中基于深度联合模型的面部表情识别方法包括以下步骤：构建有标签数据集和无标签数据集；构建面部表情识别网络模型并进行训练；利用训练后的面部表情识别网络模型获得无标签数据集的表情深度特征的初选标签；对无标签数据集进行深度聚类；对无标签数据集的初选标签以及无标签数据集的聚类结果进行比对，选出置信度高的人脸表情数据的面部表情标签进行标记，将置信度高的人脸表情数据及其面部表情标签加入有标签数据集并对面部表情识别网络模型进行微调。本发明实现小数据量条件下，面部表情图像深度特征和标签数据的自主提取及高精度识别。

本发明授权基于深度联合模型的面部表情识别方法及系统在权利要求书中公布了：1.基于深度联合模型的面部表情识别方法，其特征在于，包括以下步骤： 构建训练数据集，所述训练数据集为图像数据集，其包括：有标签数据集和无标签数据集； 基于MobileNetV2主干网络并利用动态瓶颈块构建面部表情识别网络模型，利用有标签数据集对面部表情识别网络模型进行训练； 利用训练后的面部表情识别网络模型获得训练数据集的表情深度特征表示，并得到无标签数据集的表情深度特征的初选标签； 对无标签数据集的表情深度特征的初选标签以及无标签数据集的表情深度特征的聚类结果进行比对，将无标签数据集中置信度高的人脸表情数据及其面部表情深度特征标签加入到有标签数据集； 利用更新后的有标签训练数据集对面部表情识别网络模型进行调节； 利用调节后的面部表情识别网络模型，对待识别的面部表情图像进行表情识别，得到识别结果； 所述基于MobileNetV2主干网络并利用动态瓶颈块构建面部表情识别网络模型，包括以下步骤： 构建动态卷积核； 通过在每个动态卷积核直接插入一个注意力机制块，构建动态瓶颈块； 根据动态瓶颈块的输入特征映射的大小将动态瓶颈块分组到MobileNetV2主干网络中的不同的层；所述MobileNetV2主干网络的第一层为标准的卷积层，其余各层为动态瓶颈块； 利用平均池化和卷积层将MobileNetV2主干网络的特征映射转换为1024维特征向量； 所述构建动态卷积核，具体包括： 利用动态卷积生成输入数据的中间特征映射， Y'＝X*f'x+b'1 其中， Y'是中间特征映射，h'、w'、m分别表示中间特征映射数据的长、宽、通道数； X是输入数据，h、w、c分别表示输入数据的长、宽、通道数； f'表示动态卷积核操作，其卷积核大小为k×k； 利用中间特征映射的基础上，通过分组卷积的线性运算生成一组新的特征映射； 将中间特征映射及新的特征映射堆叠在一起，得到最终的输出数据，其中输出数据h'、w'、n分别表示输出数据的长、宽、通道数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人陕西师范大学，其通讯地址为：710062 陕西省西安市雁塔区长延堡办长安南路东侧；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。