一种基于度量学习和教师学生模型的跨数据集表情识别方法

摘要

本发明提出的基于距离度量学习的方法对图像进行权重加权，它显式地减少了训练过程中表情特征之间的类内差异从而使预测的精度更高；本发明使用教师学生模型进行全监督学习从而扩大训练数据的规模和提高训练数据的标签质量，提高深度卷积神经网络模型的性能。本发明采用源数据集和目标数据集的融合在精度和泛化能力之间提供了最佳的折衷，来达到跨数据集人脸表情识别一个较好的结果，提供了一个融合数据集的可选择方案，解决了数据集规模小和跨数据集表情识别忽略源数据集性能的问题；本发明解决了数据集标签错误多的缺点，进而提高深度卷积神经网络的分类精度。