【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种微表情识别方法、识别模型训练方法、装置、设备及介质。
技术介绍
1、微表情是一种微妙不自觉的面部表情，具有持续时间短，强度低的特点。目前微表情识别方法主要有两类：基于手工设计的方法和基于深度学习的方法。基于手工特征的分类方法在识别过程中并不稳定，而基于深度特征进行微表情识别时，但现有的微表情数据库样本数量较少，在有限的样本下仅仅利用单一模态信息对识别模型进行训练，使得训练得到的识别模型的识别精度较低，因此，在微表情识别过程中，如何提高识别模型的识别精度成为亟需解决的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种微表情识别方法、识别模型训练方法、装置、设备及介质，以解决在微表情识别过程中，识别模型的识别精度较低的问题。
2、本申请实施例的第一方面提供了一种基于线下会客业务的微表情识别模型的训练法，所述识别模型的训练方法包括：
3、获取目标图像和所述目标图像对应的目标文本，以及初始识别模型，所述目标图像包括图像特征标签与图像分类标签，所述目标文本包括文本特征标签与文本分类标签，所述初始识别模型包括初始图像编码器、初始图像解码器、初始文本编码器与初始文本解码器，所述初始图像解码器用于对所述初始文本编码器输出的编码特征进行解码处理，所述初始文本解码器用于对所述初始图像编码器输出的编码特征进行解码处理；
4、使用所述目标图像与所述目标文本对所述初始识别模型进行监督训练，得到训练好的识别模型。
<...【技术保护点】
1.基于线下会客业务的微表情识别模型的训练方法，其特征在于，所述识别模型的训练方法包括：
2.如权利要求1所述的识别模型的训练方法，其特征在于，所述使用所述目标图像与所述目标文本对所述初始识别模型进行监督训练，得到训练好的识别模型，包括：
3.如权利要求2所述的识别模型的训练方法，其特征在于，所述使用所述目标图像与所述目标文本对所述初始识别模型进行监督训练，得到训练好的识别模型还包括：
4.如权利要求2所述的识别模型的训练方法，其特征在于，所述根据所述第一编码特征与所述第二编码特征，计算语义损失值，包括：
5.如权利要求1所述的识别模型的训练方法，其特征在于，所述根据所述第一解码结果、所述第二解码结果、所述图像特征标签与所述文本标签，计算跨模态重构损失值，包括：
6.基于线下会客业务的微表情识别方法，其特征在于，所述识别方法包括：
7.基于线下会客业务的微表情识别模型的训练装置，其特征在于，所述识别模型的训练装置包括：
8.基于线下会客业务的微表情识别装置，其特征在于，所述识别装置包括：
<...【技术特征摘要】
1.基于线下会客业务的微表情识别模型的训练方法，其特征在于，所述识别模型的训练方法包括：
2.如权利要求1所述的识别模型的训练方法，其特征在于，所述使用所述目标图像与所述目标文本对所述初始识别模型进行监督训练，得到训练好的识别模型，包括：
3.如权利要求2所述的识别模型的训练方法，其特征在于，所述使用所述目标图像与所述目标文本对所述初始识别模型进行监督训练，得到训练好的识别模型还包括：
4.如权利要求2所述的识别模型的训练方法，其特征在于，所述根据所述第一编码特征与所述第二编码特征，计算语义损失值，包括：
5.如权利要求1所述的识别模型的训练方法，其特征在于，所述根据所述第一解码结果、所述第二解码结果、所述图像特征标签与所述文本标签，计算跨模态重构损失值，包括：
【专利技术属性】
技术研发人员：满园园，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。