基于深度卷积神经网络的人脸表情识别研究

发布时间：2024-04-18 21:46

　　察言观色,虑以下人。面部表情是人类传达情感状态和意图最直接、最自然的外部表现之一,人脸表情识别(FER)技术旨在研究如何自动、可靠、高效的获取并利用人脸表情所传达的信息,进而快速准确地推测出人们的情感意图,在人机交互、安防监控、虚拟现实和医疗诊断等诸多领域有着广泛应用。FER技术的关键是如何有效提取人脸表情特征,传统的机器学习往往采用手工的特征设计方法,这需要大量的先验知识,且会导致主观性。随着深度学习的迅猛发展,利用卷积神经网络进行特征学习提取更深层次、更抽象的语义表征取得了长足进步。然而,自然场景下的人脸表情图像往往受到非表情因素的干扰(例如面部姿态、光照和遮挡等),这些不可控因素严重影响了人脸表情的识别精度。此外,某一静态的人脸表情图像往往具有复杂的情感意图,而单标签的人脸表情数据集无法有效描述复杂情感倾向会导致歧义表情的问题。目前主流的深度人脸表情识别模型通常含有巨大的参数量,其高昂的计算开销在实际自然场景中也是难以被接受的,因此FER任务除了在继续提高识别精度的同时,也应考虑如何压缩模型的计算开销。针对以上这些问题,本文在学习研究了人脸表情识别相关的基础理论以及三种现代卷积神...

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

图2.11卷积层到全连接层的转换

基于深度度量融合的人脸表情识别研究(3)全连接层全连接层一般位于卷积神经网络中卷积层和池化层之后，它的作用是和上个网络层中的所有神经元之间建立连接，将前面结构中学习到的图像特征进一步映射到数据集的标记空间中，其过程如图2.11所示，卷积层中的各个特征图依次展开，并按通....

图2.1经典的深度学习系统

重庆邮电大学硕士学位论文第2章基于多任务级联卷积神经网络的人脸检测与定位11到人类很轻松能执行、但却很难规则化描述的一些工作，比如识别当前说话人的意思又或者是识别当前人是否是另一个人。针对上述的问题，深度学习的提出就是一种很好的解决方案。深度学习可以让计算机在大量的数据拟合过程中....

图2.2单层感知器结构

重庆邮电大学硕士学位论文第2章基于多任务级联卷积神经网络的人脸检测与定位12器学习模型的神经科学观点，它秉承的是学习多层次组合的原理。不过现今的深度学习最早也是从神经科学的基础得到的简单线性模型。这些模型大概设计为1,…,的n个输入，一个输出，并将他们相映射。再设计一组n个权重1....

图2.3深度信念网络结构图

重庆邮电大学硕士学位论文第2章基于多任务级联卷积神经网络的人脸检测与定位132.多层感知器多层感知器[52]即将多个单层感知器相互连接在一起。多层感知器一般来说都有多个层数，一般分为输入层、隐藏层与输出层，这也就是现代人工神经网络的基本结构。相比于普通的单层感知器，多层感知器在拟....

本文编号：3957786