[发明专利]一种预激活残差深度可分离卷积网络面部表情识别方法、装置和载体

权利要求书

1.一种预激活残差深度可分离卷积网络面部表情识别方法,其特征在于：

识别面部并采集面部照片得到数据样本图像；

数据样本图像输入至浅层特征提取部分进行多次普通卷积运算以提取浅层特征，得到多幅浅层样本数据特征图；

每幅浅层样本数据特征图作为输入通道输入至下采样层特征提取部分分别执行深层特征提取得到深层样本数据特征图；

深层样本数据特征图输入至下采样层特征提取部分全局平均池化后应用Softmax激活函数产生预测，并输出访问者面部面部表情预测结果；

其中，下采样层特征提取部分包括预激活残差深度可分离单元，预激活残差深度可分离单元得到浅层样本数据特征图后进行深度可分离卷积运算后输出深层样本数据特征图；

深度可分离卷积运算的执行过程包括逐次进行的深度卷积运算和逐点卷积运算；

深度卷积运算包括逐次进行的批归一化运算、掺入Relu函数运算、通道卷积运算；

逐点卷积运算包括逐次进行的批归一化运算、掺入Relu函数运算和1×1卷积运算。

2.根据权利要求1所述的一种预激活残差深度可分离卷积网络面部表情识别方法,其特征在于：

所述的下采样层特征提取部分包括预激活残差深度可分离单元，预激活残差深度可分离单元得到浅层样本数据特征图后进行深度可分离卷积运算后输出深层样本数据特征图步骤，同时或之后还包括，

预激活残差深度可分离单元还包括残差模块，得到的浅层样本数据特征图输入至残差模块，残差模块将浅层样本数据特征图进行普通卷积运算和批归一化处理并输出残差特征图与深度可分离卷积的结果求和后输出深层样本数据特征图。

3.根据权利要求2所述的一种预激活残差深度可分离卷积网络面部表情识别方法,其特征在于，

所述的下采样层特征提取部分包含四层顺次执行的预激活残差深度可分离单元，且上层预激活残差深度可分离单元输出的深层样本数据特征图为下层预激活残差深度可分离单元的输入。

4.根据权利要求2所述的一种预激活残差深度可分离卷积网络面部表情识别方法,其特征在于，所述的深度可分离卷积执行过程步骤，包括，

预设深度卷积运算的卷积核倍数，每次深度可分离卷积结束后得到深度卷积的卷积核倍数的深层特征样本，逐点卷积过程中将各个深层特征样本同一位置的信息进行融合得到该层的深层样本数据特征图。

5.根据权利要求3所述的一种预激活残差深度可分离卷积网络面部表情识别方法,其特征在于，

所述的下采样层特征提取部分包含四层顺次执行的预激活残差深度可分离单元步骤，包括，

所述的深度可分离卷积运算还包括最大池化层，最大池化层将逐点卷积的输出结果最大池化运算后输入至下层预激活残差深度可分离单元。

6.根据权利要求1所述的一种预激活残差深度可分离卷积网络面部表情识别方法,其特征在于，

所述的数据样本图像输入至浅层特征提取部分进行多次普通卷积运算以提取浅层特征，得到多幅浅层样本数据特征图步骤，包括，

浅层特征提取部分包含三层顺次执行的卷积网络，得到数据样本图像后卷积网络进行批归一化运算和掺入Relu函数运算并将结果输出至下层的卷积网络直至得到多幅浅层样本数据特征图。

7.根据权利要求1所述的一种预激活残差深度可分离卷积网络面部表情识别方法,其特征在于，

所述的识别访问者面部并采集面部照片得到数据样本图像步骤，包括

识别访问者面部直至完成人脸检测并截取当前时刻的人像图，得到人像后裁剪图像保留面部区域，并复制该面部区域的多角度翻转图像和尺寸变化图像并将所有图像作为数据样本图像输出。

8.根据权利要求1所述的一种预激活残差深度可分离卷积网络面部表情识别方法,其特征在于，所述的数据样本图像为样本数据集。