買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中山大學申請的專利一種面向多數據集的人臉表情識別方法、系統及設備獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116071801B 。

龍圖騰網通過國家知識產權局官網在2025-08-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310026129.9，技術領域涉及：G06V40/16；該發明授權一種面向多數據集的人臉表情識別方法、系統及設備是由張東;俞承言設計研發完成，并于2023-01-09向國家知識產權局提交的專利申請。

本一種面向多數據集的人臉表情識別方法、系統及設備在說明書摘要公布了：本發明公開了一種面向多數據集的人臉表情識別方法、系統及設備，該方法包括：收集人臉表情識別數據集；基于補充數據集挑選出標注標準一致的子集；利用標注標準一致的子集訓練多任務深度學習模型；利用多任務深度學習模型對目標數據集和補充數據集賦予偽標簽，并將補充數據集的標注標準統一到目標數據集上，得到標注標準統一后的人臉表情識別數據樣本；利用標注標準統一后的人臉表情識別數據數據樣本訓練多任務深度學習模型，得到人臉表情識別模型；利用人臉表情識別模型進行人臉表情識別，輸出特征結果。通過使用本發明，能夠實現跨數據集的訓練模型并且同時考慮離散標簽和連續標簽，使得識別結果更加準確。

本發明授權一種面向多數據集的人臉表情識別方法、系統及設備在權利要求書中公布了：1.一種面向多數據集的人臉表情識別方法，其特征在于，包括以下步驟： 收集人臉表情識別數據集，所述人臉表情識別數據集包括目標數據集和補充數據集； 基于補充數據集挑選出標注標準一致的子集； 利用標注標準一致的子集訓練多任務深度學習模型； 利用多任務深度學習模型對目標數據集和補充數據集賦予偽標簽，并將補充數據集的標注標準統一到目標數據集上，得到標注標準統一后的人臉表情識別數據樣本； 利用標注標準統一后的人臉表情識別數據樣本訓練多任務深度學習模型，得到人臉表情識別模型； 利用人臉表情識別模型進行人臉表情識別，輸出特征結果； 所述目標數據集為只包含離散標簽或只包含連續標簽或既包含離散標簽又包含連續標簽的數據集； 所述補充數據集至少包括一個既包含離散標簽又包含連續標簽的數據集； 所述利用多任務深度學習模型對目標數據集和補充數據集賦予偽標簽，并將補充數據集的標注標準統一到目標數據集上，得到標注標準統一后的人臉表情識別數據樣本這一步驟具體包括： 利用多任務深度學習模型對目標數據集和補充數據集賦予偽標簽，得到雙標簽目標數據集和雙標簽補充數據集； 將雙標簽補充數據集中的連續標簽和離散標簽的標注標準分別統一到目標數據集上，得到標注標準統一后的人臉表情識別數據集； 所述將雙標簽補充數據集中的連續標簽和離散標簽的標注標準分別統一到目標數據集上，得到標注標準統一后的人臉表情識別數據集這一步驟具體為： 將雙標簽補充數據集中的連續標簽和離散標簽的標注標準分別統一到雙標簽目標數據集上； 將目標數據集中的連續標簽按照離散標簽進行分類，將每一部分看作二維高斯分布，計算其均值與協方差，得到第一類數據； 將補充數據集中的連續標簽按照離散標簽進行分類，將每一部分看作二維高斯分布，計算其均值與協方差，得到第二類數據； 基于第一類數據和第二類數據利用線性變換公式將雙標簽補充數據集中的連續標簽映射到雙標簽目標數據集的標注標準之下； 所述線性變換公式表示如下： PiPiT＝∑i QiQiT＝∑Ei 其中，Ti表示服從目標數據集中第i類連續標簽分布的一個隨機變量，表示服從補充數據集中第i類連續標簽分布的一個隨機變量，μi表示目標數據集中連續標簽分類后的第i部分的均值，∑i表示目標數據集中連續標簽分類后的第i部分的協方差，表示補充數據集中連續標簽分類后的第i部分的均值，∑Ei表示補充數據集中連續標簽分類后的第i部分的協方差。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中山大學，其通訊地址為：510275 廣東省廣州市海珠區新港西路135號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。