堆栈式混合自编码器和迁移学习在人脸表情识别中的研究

发布时间：2021-08-08 18:22

　　人脸表情识别作为情感识别智能系统中的关键技术,它能够很好地表达出人类的心理、情绪和意图等,是实现人机交互的重要基础之一。然而传统的人脸表情特征提取方法不仅增加了模型的训练时间和空间复杂度,而且还会在一定的程度上丢失原有图像中的表情特征信息,影响识别效果。因此,本文将深度学习中的方法引入到人脸表情识别的任务中,论文主要工作如下:1.在人脸表情识别过程中,针对提高识别准确率的问题。本文将去噪自编码器、稀疏自编码器以及普通自编码器这3种自编码器进行级联,形成一个多层的全连接网络,然后在该网络上最后一层加上softmax分类器构成一个新的分类网络,即堆栈式混合自编码器。并按照贪婪逐层训练方式（即将前一个自编码器的输出层去掉并将该自编码器的隐层作为下一个自编码器的输入层）进行训练来解决局部最优的问题。由于该网络组合了多种自编码器,从而使得该网络具有多个自编码器的优点,使得提取的特征更加具有代表性。使用堆栈式混合自编码器网络在JAFFE（The Japanese Female Facial Expression Database）数据库和CK+（The Extended Cohn-Kanade D... 

【文章来源】：西安理工大学陕西省

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 表情识别的类别概述
    1.3 国内外研究现状
        1.3.1 人脸表情识别算法研究现状
        1.3.2 迁移学习的研究现状
    1.4 本文研究内容及章节安排
    1.5 本章小结
2 人脸表情数据库与图像预处理
    2.1 人脸表情数据库简介
    2.2 图像预处理
        2.2.1 人脸检测
        2.2.2 归一化处理
        2.2.3 直方图均衡化
        2.2.4 数据增强
    2.3 本章小结
3 堆栈式混合自编码器的人脸表情识别
    3.1 自编码器
        3.1.1 普通自编码器
        3.1.2 稀疏自编码器
        3.1.3 去噪自编码器
        3.1.4 堆栈式自编码器
    3.2 堆栈式混合自编码器的人脸表情识别
        3.2.1 堆栈式混合自编码器
        3.2.2 反向传播算法
        3.2.3 堆栈式混合自编码器的人脸表情识别路线
    3.3 实验分析与结论
        3.3.1 实验设置
        3.3.2 实验结果对比与分析
    3.4 本章小结
4 模型迁移的人脸表情识别
    4.1 迁移学习
        4.1.1 迁移学习定义
        4.1.2 迁移学习分类
    4.2 模型迁移的人脸表情识别
        4.2.1 模型迁移
        4.2.2 深度模型选择
        4.2.3 模型迁移实现过程
    4.3 模型迁移实验和实验分析
        4.3.1 实验设置
        4.3.2 实验结果与分析
        4.3.3 Inception V3迁移网络测试实例化
    4.4 本章小结
5 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
攻读硕士学位期间发表的论文


【参考文献】：
期刊论文
[1]基于Gabor融合特征与深度自动编码器的笑脸识别方法[J]. 梁淑芬,付迎迎,杨芳臣.  信息记录材料. 2019(01)
[2]基于光流特征与高斯LDA的面部表情识别算法[J]. 刘涛,周先春,严锡君.  计算机科学. 2018(10)
[3]基于栈式去噪自编码器的遥感图像分类[J]. 张一飞,陈忠,张峰,欧阳超.  计算机应用. 2016(S2)
[4]将稀疏自动编码器用于置换混叠图像盲分离[J]. 段新涛,李飞飞,刘尚旺,彭涛,王婧娟.  信号处理. 2016(05)
[5]融合深度信念网络和多层感知器的人脸表情识别[J]. 施徐敢,张石清,赵小明.  小型微型计算机系统. 2015(07)
[6]基于改进Kinect的点分布模型面部表情特征提取[J]. 曹小峰,程实,陈翔,陈晓红.  计算机工程与科学. 2015(04)
[7]Feature Representation for Facial Expression Recognition Based on FACS and LBP[J]. Li Wang,Rui-Feng Li,Ke Wang,Jian Chen.  International Journal of Automation & Computing. 2014(05)
[8]结合Gabor变换和FastICA的人脸表情识别方法[J]. 丁维福,姜威,张亮亮.  计算机工程与应用. 2011(24)
[9]人脸检测研究综述[J]. 梁路宏,艾海舟,徐光祐,张钹.  计算机学报. 2002(05)

硕士论文
[1]基于卷积神经网络的迁移学习算法研究及其在细粒度图像识别中的应用[D]. 聂建政.西安电子科技大学 2018
[2]基于深度学习的表情识别研究[D]. 赵艳.重庆邮电大学 2016



本文编号：3330450