基于密集胶囊网络的多视角人脸表情识别

发布时间：2021-06-22 18:52

　　目前,大多数的人脸表情识别方法都是针对正面人脸进行的,然而正面的人脸表情往往是一种比较理想化的情况。在现实生活中,采集设备可能从多个角度捕捉表情数据。现有的多视角的人脸表情识别算法大多基于卷积神经网络,这些模型在训练集中未包含的新视角下的泛化能力普遍较差。鉴于胶囊网络可以建模空间层次关系的特性,在其基础上提出了鲁棒性更强的密集胶囊网络DenCaps。DenCaps模型融合了密集网络DenseNet中的Dense Block模块和胶囊网络中的胶囊模块,Dense Block通过特征重用和旁路设置,可以学习到更加丰富的特征。模型中的胶囊单元采用向量替代标量存储实体特征,相比传统卷积神经网络,能够编码姿势、位置等参数,在多视角的人脸识别中具有良好的表现。在FERA2017数据集上对DenCaps模型进行了测试,并且和其它的最新的网络模型进行对比。实验结果表明,DenCaps模型在FERA2017上取得了53.9的F1值,高于其它的网络模型。通过在DenCaps基础上进行了交叉姿势实验,实验结果表明DenCaps可以在训练集中未包含的新视角下准确地识别表情动作单元。最后对DenCaps模型中的... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

AU示例

2 相关研究及本文工作分为三个部分，第一部分阐述卷积神经网络的局限性和局限性背后的介绍胶囊网络的结构，说明胶囊网络的原理和优越性；第三部分分络进行多视角表情识别的可行性和必要性。神经网络的局限性和解释N 的局限性 主要由卷积层组成，它主要用来提取图像中的重要特征信息。浅层缘和颜色纹理等简单要素，而深层的网络会将简单特征组合成更复最后的全连接层组合高层的特征并做出类别预测。熊猫

N 的局限性N 主要由卷积层组成，它主要用来提取图像中的重要特征信息。浅层缘和颜色纹理等简单要素，而深层的网络会将简单特征组合成更复最后的全连接层组合高层的特征并做出类别预测。熊猫不是熊猫...CNN图 2-1 CNN 分类熊猫 2-1 所示为一个判断输入是否为熊猫的 CNN，中间的卷积层通过学习左眼、右眼等特征来做出判断。当检测到符合熊猫的特定特征后，C其归类为“熊猫”。熊猫

【参考文献】：
期刊论文
[1]基于改进的局部方向模式人脸表情识别算法[J]. 罗元,余朝靖,张毅,刘浪.  重庆大学学报. 2019(03)
[2]基于AAM-SIFT特征描述的两级SVM人脸表情识别[J]. 黄忠,胡敏,刘娟.  计算机工程与应用. 2016(03)



本文编号：3243362