[发明专利]一种基于特征金字塔网络的双向LSTM微表情识别抑郁症方法在审
| 申请号： | 201910747125.3 | 申请日： | 2019-08-14 |
| 公开（公告）号： | CN110472564A | 公开（公告）日： | 2019-11-19 |
| 发明（设计）人： | 田文洪;许凌霄 | 申请（专利权）人： | 成都中科云集信息技术有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G16H20/70 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 610000 四川省成都市成华*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于特征金字塔网络的双向LSTM微表情识别抑郁症方法，包括：首先从一秒中的视频流中等时间提取出12张图片，将12张图片作为输入进入到该模型中，接着通过ResNET网络对图片的特征进行提取，经过多层Conv={Conv1，Conv2，Conv3，Conv4，Conv5}得到一个多维的图片特征，即Conv5的输出结果，之后通过2倍上采样以及经过1*1卷积变换的Conv层相加得到不同尺度的特征值M={M2，M3，M4，M5}，接着将不同图片的不同尺度{M2，M3，M4，M5}特征图通过3*3的卷积层进行去除由于上采样带来的混叠效应，之后通过全连接层将特征图展成一维的特征向量从而分别作为四个双向LSTM模型的输入，得到输出Ot={Ot2，Ot3，Ot4，Ot5}，最后将Ot经过一层全连接层得到最终的预测值。 | ||
| 搜索关键词： | 连接层 上采样 特征图 卷积 尺度 金字塔网络 图片 表情识别 时间提取 输出结果 特征向量 图片特征 抑郁症 视频流 多层 多维 混叠 展成 去除 相加 输出 预测 网络 | ||
【主权项】：
1.一种基于特征金字塔网络的双向LSTM微表情识别抑郁症方法，其特征包括，包括下列步骤：/n特征提取：将1秒的视频等时间分成12张图片，通过ResNet对图片分别进行特征提取；/n特征产生：通过将ResNet提取出的图像通过图像金字塔进行一系列卷积求和操作，从而产生不同尺度特征；/n特征串联：将不同图片中提取出来的相同尺度特征通过使用双向LSTM网络进行特征串联，从而得到输出结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于成都中科云集信息技术有限公司，未经成都中科云集信息技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910747125.3/，转载请声明来源钻瓜专利网。
