基于多任务学习的孤独症儿童社交技巧智能化评估

发布时间：2021-08-17 23:33

　　随着人工智能技术的发展,孤独症评估方式也悄然发生着改变。传统的问卷量表评估方法,缺乏客观量化的评价指标而依赖于临床治疗师的专业经验。不仅需要培训专业的观察人员,经历复杂的评估过程,还有可能因此错过干预的最佳时间。因此,越来越多的研究致力于探索智能化的评估方法。智能化评估方法,旨在通过计算机视觉技术感知被试的行为状态,如利用计算机视觉相关技术对被试的头部姿态、表情进行感知,进而达到分析孤独症应答性共同注意和应答性社交微笑的效果。尽管现有的方法在实验室场景取得不错的表现,但在自然场景下仍存在一些挑战亟待解决,如光照、遮挡等干扰因素,以及轻量化的神经网络模型容易出现过拟合的问题。多任务学习是深度学习领域的一个研究热点,它能够有效缓解轻量化模型的过拟合问题,并提高泛化能力。基于以上,本文提出一种基于多任务学习方法,通过其中的头部姿态估计和人脸表情识别来自动获取对孤独症儿童的应答性共同注意和应答性社交微笑的量化评估,进而完成孤独症儿童社交技巧的智能化评估。本文的主要研究内容有和工作有:（1）多任务学习特点研究。通过研究多任务学习的特点,来论证其对于人脸相关任务学习的有效性。（2）通过人脸检测、标... 

【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

图２．１多任务学习中的参数硬共享机制??软共享机制是指每个任务都有自己的模型和参数，但会对模型权重的距离进??

？硕士学位论文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??务模型的参数使用Ｌ２正则化。深度学习中软共享机制的约束一定程度上受到传??统多任务学习中正则化技术的影响。参数软共享机制如图２．２所示。??

硕士学位论文??＼＼％ｇＰ／／?ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??漏ｊｌ??图３．１?ＭＴＣＮＮ输出示例??三个子网络的结构如图３．２、图３．３和图３．４所示，其中Ｐ网络由一个图像输??入层、三个卷积层、一个池化层和两个子任务１ｘ１卷积层组成；Ｒ网络由一个图??像输入层、三个卷积层、两个池化层和三个全连接层组成；０网络由一个图像输??入层、四个卷积层、三个池化层和四个全连接层组成，最终输出人脸检测分类、??人脸框位置和人脸特征点共１６个参数信息。??１ｘ１ｘ２??—?卷积层一？人脸分矣??１２ｘ１２ｘ３?１０ｘ１０ｘ１０?５ｘ５ｘ１０?３ｘ３ｘ１６?１ｘ１ｘ３２??ｍｉ??滑步ｍ??输入图像卷积层—池化层—卷积层－＞?卷积层?一??１ｘ１ｘ４??Ｈ?口?３ｘ３?Ｈ?口?２ｘ２?Ｓ?口?３ｘ３?Ｓ?口?３ｘ３??浪步１ｘ１?滑步２ｘ２?清步Ｍ?滑步Ｉｘｌ?Ｌ?卷积ｊｇ?４人脸框??Ｓ?□?１ｘ１??滑步１ｘ１??图３．２?Ｐ网络结构示意图??２５??


本文编号：3348727