隨著人工智能技術(shù)的發(fā)展,孤獨(dú)癥評估方式也悄然發(fā)生著改變。傳統(tǒng)的問卷量表評估方法,缺乏客觀量化的評價指標(biāo)而依賴于臨床治療師的專業(yè)經(jīng)驗。不僅需要培訓(xùn)專業(yè)的觀察人員,經(jīng)歷復(fù)雜的評估過程,還有可能因此錯過干預(yù)的最佳時間。因此,越來越多的研究致力于探索智能化的評估方法。智能化評估方法,旨在通過計算機(jī)視覺技術(shù)感知被試的行為狀態(tài),如利用計算機(jī)視覺相關(guān)技術(shù)對被試的頭部姿態(tài)、表情進(jìn)行感知,進(jìn)而達(dá)到分析孤獨(dú)癥應(yīng)答性共同注意和應(yīng)答性社交微笑的效果。盡管現(xiàn)有的方法在實(shí)驗室場景取得不錯的表現(xiàn),但在自然場景下仍存在一些挑戰(zhàn)亟待解決,如光照、遮擋等干擾因素,以及輕量化的神經(jīng)網(wǎng)絡(luò)模型容易出現(xiàn)過擬合的問題。多任務(wù)學(xué)習(xí)是深度學(xué)習(xí)領(lǐng)域的一個研究熱點(diǎn),它能夠有效緩解輕量化模型的過擬合問題,并提高泛化能力。基于以上,本文提出一種基于多任務(wù)學(xué)習(xí)方法,通過其中的頭部姿態(tài)估計和人臉表情識別來自動獲取對孤獨(dú)癥兒童的應(yīng)答性共同注意和應(yīng)答性社交微笑的量化評估,進(jìn)而完成孤獨(dú)癥兒童社交技巧的智能化評估。本文的主要研究內(nèi)容有和工作有:（1）多任務(wù)學(xué)習(xí)特點(diǎn)研究。通過研究多任務(wù)學(xué)習(xí)的特點(diǎn),來論證其對于人臉相關(guān)任務(wù)學(xué)習(xí)的有效性。（2）通過人臉檢測、標(biāo)... 

【文章來源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：55 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１多任務(wù)學(xué)習(xí)中的參數(shù)硬共享機(jī)制??軟共享機(jī)制是指每個任務(wù)都有自己的模型和參數(shù)，但會對模型權(quán)重的距離進(jìn)??

？碩士學(xué)位論文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??務(wù)模型的參數(shù)使用Ｌ２正則化。深度學(xué)習(xí)中軟共享機(jī)制的約束一定程度上受到傳??統(tǒng)多任務(wù)學(xué)習(xí)中正則化技術(shù)的影響。參數(shù)軟共享機(jī)制如圖２．２所示。??

碩士學(xué)位論文??＼＼％ｇＰ／／?ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??漏ｊｌ??圖３．１?ＭＴＣＮＮ輸出示例??三個子網(wǎng)絡(luò)的結(jié)構(gòu)如圖３．２、圖３．３和圖３．４所示，其中Ｐ網(wǎng)絡(luò)由一個圖像輸??入層、三個卷積層、一個池化層和兩個子任務(wù)１ｘ１卷積層組成；Ｒ網(wǎng)絡(luò)由一個圖??像輸入層、三個卷積層、兩個池化層和三個全連接層組成；０網(wǎng)絡(luò)由一個圖像輸??入層、四個卷積層、三個池化層和四個全連接層組成，最終輸出人臉檢測分類、??人臉框位置和人臉特征點(diǎn)共１６個參數(shù)信息。??１ｘ１ｘ２??—?卷積層一？人臉分矣??１２ｘ１２ｘ３?１０ｘ１０ｘ１０?５ｘ５ｘ１０?３ｘ３ｘ１６?１ｘ１ｘ３２??ｍｉ??滑步ｍ??輸入圖像卷積層—池化層—卷積層－＞?卷積層?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?卷積ｊｇ?４人臉框??Ｓ?□?１ｘ１??滑步１ｘ１??圖３．２?Ｐ網(wǎng)絡(luò)結(jié)構(gòu)示意圖??２５??


本文編號：3348727