【技術實現(xiàn)步驟摘要】
本專利技術涉及情緒識別，具體涉及一種抑郁等級分布的生成方法。
技術介紹
1、現(xiàn)有方法通常只通過bdi-ii分值來訓練一個預測模型，再通過模型給出預測的bdi-ii分值并進一步給出抑郁等級診斷。這些方法忽略了bdi-ii分值標注存在的不確定性與不準確性。bdi-ii問卷的不同選項間具有一定的模糊性，受評估者也通常會選擇一個差不多的選項，這就導致bdi-ii分值本身就具有一定的不確定性與不準確。例如，一張bdi-ii分值標注為20的人臉圖像，也會有一定的概率標注為19或21。現(xiàn)有方法將bdi-ii分值當作絕對正確的標記，忽略了標準過程存在的不確定性，導致識別性能不穩(wěn)定。這些方法在訓練過程中只考慮bdi-ii分值，而未考慮抑郁等級信息，導致模型在進行抑郁程度等級診斷時性能欠佳。bdi-ii分值與抑郁等級分別從細粒度與粗粒度來描述一張人臉的抑郁信息，兩者之間存在著強關聯(lián)關系。
技術實現(xiàn)思路
1、本專利技術的目的在于克服現(xiàn)有技術的不足，提供一種抑郁等級分布的生成方法。
2、本專利技術的目的是通過以下技術方案來實現(xiàn)的：
3、本專利技術提供了一種抑郁等級分布的生成方法，包括以下步驟：
4、s1、抑郁分值分布生成：將面部圖像作為訓練數據，每張面部圖像標注為一個單標記bdi-?ii分值，作為其所對應的描述度，所有描述度的和等于1，用于表示人臉的抑郁嚴重程度，其中bdi-ii分值的取值為0到63，通過高斯分布生成每張面部圖像的抑郁分值分布；
5、s2、抑
6、優(yōu)選地，所述的步驟s1具體包括以下步驟：
7、s11、設訓練數據為，，其中表示第張面部圖像，為第張面部圖像對應的單標記bdi-ii抑郁分值；對于第張面部圖像，通過高斯分布生成對應的抑郁分值分布，其中為抑郁分值，是標準差通常設置為1，為均值，為標準差；
8、s12、通過公式進行歸一化，其中為歸一化參數；抑郁分值對應的描述度構成一個64維的標記分布=，其中表示抑郁分值對于的描述度，到表示所有的取值，生成每張面部圖像的抑郁分值分布。
9、優(yōu)選地，所述的步驟s2具體包括：用分別表示四個抑郁等級，則的描述度通過如下公式計算得到：；其中表示等級對應的抑郁分值區(qū)間；的描述度即為對應抑郁分值區(qū)間內所有描述度之和，所有等級的描述度構稱一個4維的標記分布，稱為抑郁等級分布。
10、本專利技術的有益效果是：
11、1）本申請借助抑郁分值與等級的關系，將抑郁分值分布轉化成等級分布，在訓練過程中一張人臉圖像既可用于真實的抑郁等級學習，也可用于其它相關抑郁等級的學習，能夠起到增廣訓練數據的效果，緩解訓練數據不足的問題。
本文檔來自技高網...【技術保護點】
1.一種抑郁等級分布的生成方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種抑郁等級分布的生成方法，其特征在于，所述的步驟S1具體包括以下步驟：
3.根據權利要求2所述的一種抑郁等級分布的生成方法，其特征在于,所述的步驟S2具體包括：用分別表示四個抑郁等級，則的描述度通過如下公式計算得到：；其中表示等級對應的抑郁分值區(qū)間；的描述度即為對應抑郁分值區(qū)間內所有描述度之和，所有等級的描述度構稱一個4維的標記分布，稱為抑郁等級分布。
【技術特征摘要】
1.一種抑郁等級分布的生成方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種抑郁等級分布的生成方法，其特征在于，所述的步驟s1具體包括以下步驟：
3.根據權利要求2所述的一種抑郁等級分布的生成方法...
【專利技術屬性】
技術研發(fā)人員：姜華茂，王朝，劉永偉，鄭華川，劉麗，李芳，王靖，湯雪滎，
申請(專利權)人：錦州醫(yī)科大學附屬第一醫(yī)院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。