摘要
本发明公开一种端到端多任务学习的人脸表情识别方法，旨在解决传统人脸分析中任务分离、特征冗余、部署复杂等问题。该方法构建统一多任务神经网络框架，融合人脸检测、关键点定位与表情识别，通过端到端联合训练提升性能与效率。步骤包括：构建共享轻量级特征提取网络，提取通用特征；引入任务感知动态路由模块，以可学习查询向量通过注意力机制提取任务相关特征，实现特异性解耦；训练阶段采用基于不确定性的动态损失加权，自适应调整权重；设计正交约束损失强化任务特征独立性；通过掩码机制支持样本标签不完全对齐，实现灵活建模。本发明适应性与部署能力良好，适用于实时人脸分析场景，在识别终端、情感交互系统等领域应用前景广泛。
