面向自发式表情识别的抗噪低功耗深度神经网络研究

发布时间：2021-03-15 16:55

　　深度卷积神经网络（CNN）是受到猫的视觉皮层细胞研究的启发,在感受野（Receptive Field）概念的基础上提出的,因而被广泛应用于计算机视觉任务,如面部表情识别等。基于深度CNN对“摆拍式”表情的识别已经取得了很高的准确率,但对现实场景下的自发式表情识别效果却并不理想,主要原因是现实场景下的表情图像因为光照条件、拍摄设备等原因往往带有噪声。另一方面,基于深度CNN的表情识别过程具有较高的功耗,限制了其在移动端或嵌入式设备上进行自发式表情识别的应用。为此,本文研究了生物神经元的输出响应特性,对能够对Leaky Integrate and Fire（LIF）神经元模型的输出响应特性进行刻画的Noisy Softplus（NSP）激活函数进行了改进,提出INSP（Improved Noisy Softplus）,以之为基础实现了一种具有抗噪性的深度残差网络;同时对基于深度CNN训练与转换的深度脉冲神经网络（SNN）的构建进行了研究,提出并实现了一种应用INSP对VGG-19进行训练与转换的低功耗深度SNN。本文的主要研究内容如下:具有噪声鲁棒性的深度残差网络研究。首先,针对NSP函数... 

【文章来源】：广东工业大学广东省

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

Sigmoid函数与Tanh函数Fig2-3SigmoidfunctionandTanhfunction

ReLU函数和Softplus函数Fig2-4ReLUfunctionandSoftplusfunction

LIF神经元模型的响应曲线


本文编号：3084499