基于深度学习的性别和微笑表情识别算法研究

发布时间：2020-06-10 09:44

【摘要】：人脸识别是一种生物识别技术,其能够根据人的面部特征识别人的身份信息和状态。其中性别和表情识别是人脸识别的重要研究方向之一。深度学习技术的发展使识别模型能够有效地处理大量数据并促进了人脸识别技术的发展。然而,在实际应用中,由于光照、遮挡和拍摄角度等因素影响,难以从自然环境下获取的人脸图片获取到有效特征。本文基于卷积神经网络模型,对2016年Chalearn Looking at People and Faces of the World竞赛中的性别和微笑识别问题进行研究。本文主要工作如下:1)介绍并分析卷积神经网络相关的原理以及常用模型。根据各模型的特点,在LeNet-5基础上进行改进并设计实现三个网络结构。通过在FotW数据集中训练和测试效果,对模型进行调整和优化。根据实验结果,选取基于Inception结构的CNN-3作为FotW数据集中性别和微笑识别的卷积神经网络结构。2)通过分析不同的激活函数和损失函数的特征,并在FotW数据集中进行训练和测试,研究了二者对模型训练和FotW数据集中性别与微笑识别的影响。根据实验结果,选取缩放指数线性单元(SeLU)作为激活函数,选取SoftmaxLoss与CenterLoss结合作为性别识别任务的损失函数,选择SoftmaxLoss单独作为微笑识别任务的损失函数。3)分析了迁移学习和支持向量机的基本原理。使用迁移学习方法训练模型来获得最终的网络模型。通过实验对比了该模型与传统特征提取方法的识别效果,并对比分析了本文提出的模型与竞赛获奖队伍提出的识别方法。实验表明,与传统特征提取方法相比,基于深度学习的卷积神经网络模型能更有效地提取人脸特征。迁移学习方法结合支持向量机分类器使性别识别和微笑识别的性能均有所提升。
【图文】：

状、妆容、胡须等。网络结构能够影是探索适宜性别和微笑表情识别任务本理论络中，在计算机视觉领域被应用最广卷积神经网络是受猫视觉皮层的启享机制。由于隐含层之间的全连接，，而卷积神经网络的两大特点可以有积核扫描图像，将卷积核的值与图像果相加作为输出图像像素的灰度值。

中北大学学位论文视觉对外界图像的感知，我们可以看到人们倾向于全局的特征。在获得图像的部分信息后，，将这些信幅图像的信息。卷积神经网络就具有相似的特征。是由卷积层和池化层构成的，其中卷积层的输出称的关系称为感受野。如图 2.2 所示，如果步长为受野与 Map3 中 1 1的感受野对应，Map1 中 11 1应。
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP18

【相似文献】

相关期刊论文 前10条

1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期

2 陈晓燕;;浅析简单神经网络的发展及简单模型[J];数字技术与应用;2019年05期

3 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期

4 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期

5 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期

6 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期

7 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期

8 鲍伟强;陈娟;熊涛;;基于进化神经网络的短期电力负荷预测研究[J];电工技术;2019年11期

9 王丽华;杨秀萍;王皓;高峥翔;;智能双轮平衡车的设计研究[J];数字技术与应用;2018年04期

10 张庭略;;基于硬件的神经网络加速[J];通讯世界;2018年08期

相关会议论文 前10条

1 孙军田;张U

本文编号：2706121