CN119445639A 一种基于图神经网络的多域特征级融合表情识别方法 （中国人民公安大学）_第1页
CN119445639A 一种基于图神经网络的多域特征级融合表情识别方法 （中国人民公安大学）_第2页
CN119445639A 一种基于图神经网络的多域特征级融合表情识别方法 （中国人民公安大学）_第3页
CN119445639A 一种基于图神经网络的多域特征级融合表情识别方法 （中国人民公安大学）_第4页
CN119445639A 一种基于图神经网络的多域特征级融合表情识别方法 （中国人民公安大学）_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于图神经网络的多域特征级融合表本发明公开了一种基于图神经网络的多域关键点检测，按照三庭五眼对面部进行区域划通过基于结构特征引导的特征融合网络进行多上述一种基于图神经网络的多域特征级融合表2域特征和空域特征；在原始图像上通过多级卷积神经网络提取数据增强后图像的局部特S4、将谱域特征和空域特征进行级联得到结构特2.根据权利要求1所述的一种基于图神经网络的多域特征级融合表情识别方法，其特征在于，构建面部的无向加权图包括以划分后的面部区域图像像素点作为图结构的节点，3.根据权利要求1所述的一种基于图神经网络的多域特征级融合表情识别方法，其特;;为节点i与节点iii之间边的权重。4.根据权利要求1所述的一种基于图神经网络的多域特征级融合表情识别方法，其特5.根据权利要求1所述的一种基于图神经网络的多域特征级融合表情识别方法，其特6.根据权利要求1所述的一种基于图神经网络的多域特征级融合表情识别方法，其特7.根据权利要求1所述的一种基于图神经网络的多域特征级融合表情识别方法，其特3[0002]表情的变化常被用来作为判断情绪变化的重要依据。根据持续时间和幅度的差4特征融合网络进行多域特征融合，并引入自注意力模块对各个特征进行注意力函数计算，;;为节点i与节点i点i的坐标，i之间边的权重。图2是一种基于图神经网络的多域特征级融合表情识别方法的实施例中根据特征图3是一种基于图神经网络的多域特征级融合表情识别方法的实施例中以特征点5图4是一种基于图神经网络的多域特征级融合表情识别方法的实施例中以像素点图5是一种基于图神经网络的多域特征级融合表情识别方法的实施例中构建邻接图6是一种基于图神经网络的多域特征级融合表情识别方法的实施例中基于结构i的邻域集合表示为。6;i与节点i;i4个阶段：第一个阶段仅包含Conv模块，第二到第四阶段由Conv和MFEM（Multi_scale部分组成，三部分的作用分别是对特征图进行下采样、归一化和对数据进行非线性处理；7;;[0040]最后应说明的是：以上实施例仅用以说明本发明的技术89

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论