基于多任务卷积神经网络和生成式对抗网络的人脸表情识别算法研究

发布时间：2024-02-29 19:50

　　人脸表情识别是计算机视觉领域的一个重要且热门的研究课题。在实际应用中,由于人脸姿态、光照和遮挡等因素,导致计算机捕获到的人脸图片在人脸表观上可能存在巨大的差异,使得真实场景下的人脸表情识别仍然面临着诸多挑战。近年来兴起的深度学习技术在人工智能各个领域取得了巨大的成功,受到广大研究人员的青睐,大大地推动了计算机视觉各个领域的发展。因此,研究基于深度学习的人脸表情识别方法,是一项具有重要价值与现实意义的工作。本文的主要工作具体如下:(1)本文提出一种基于多任务卷积神经网络的人脸表情识别方法。传统的人脸表情识别方法通常将特征学习与分类器训练分开进行,这可能导致算法整体无法收敛到一个最优的情况。并且,在应用深度学习方法的时候,如果缺乏足够的训练数据和有效的监督信号,那么所训练的模型就会面临着过拟合的风险,导致模型的泛化能力严重降低。此外,在模型的训练过程中,很多容易分类的样本往往占去了训练集的大多数,使得那些少量的难以分类的样本没有得到充分的关注。基于以上观察,本文提出了一种基于多任务卷积神经网络的人脸表情识别方法。本文设计了一种多任务卷积神经网络,并且在网络中使用一种联合损失来同时学习所有表...

【文章页数】：92 页

【学位级别】：硕士

【文章目录】：
摘要
英文摘要
第一章 绪论
    1.1 研究背景及研究意义
    1.2 国内外研究动态
    1.3 面临的主要问题和挑战
    1.4 本文的研究目标
    1.5 本文的主要工作和创新点
    1.6 本文的组织结构
第二章 人脸表情识别算法概述
    2.1 引言
    2.2 深度学习相关概念
        2.2.1 卷积层
        2.2.2 转置卷积层
        2.2.3 池化层
        2.2.4 全连接层
        2.2.5 损失层
    2.3 生成式对抗网络相关概念
    2.4 传统的人脸表情识别算法
        2.4.1 基于表观特征的人脸表情识别算法
        2.4.2 基于几何特征的人脸表情识别算法
    2.5 基于深度学习的人脸表情识别方法
    2.6 本章小结
第三章 基于多任务卷积神经网络的人脸表情识别方法
    3.1 导论
    3.2 基于多任务卷积神经网络的人脸表情识别方法
        3.2.1 整体概述
        3.2.2 联合损失
        3.2.3 损失权重
    3.3 实验结果及其分析
        3.3.1 数据集
        3.3.2 算法实现细节
        3.3.3 间隔参数α对识别结果的影响
        3.3.4 联合损失对识别结果的影响
        3.3.5 损失权重对识别结果的影响
        3.3.6 与当前流行方法的比较
    3.4 本章小结
第四章 基于生成式对抗网络的人脸表情识别方法
    4.1 导论
    4.2 基于生成式对抗网络的人脸表情识别方法
        4.2.1 整体概述
        4.2.2 人脸表情合成网络
        4.2.3 人脸表情识别网络
        4.2.4 算法流程
    4.3 实验结果及其分析
        4.3.1 算法实现细节
        4.3.2 人脸表情合成的实验
        4.3.3 人脸表情识别的实验
    4.4 本章小结
第五章 总结和未来工作
    5.1 总结
    5.2 未来工作
参考文献
硕士期间参与的科研项目及发表论文
致谢



本文编号：3914845