人臉表情識別是計算機視覺領域的一個重要且熱門的研究課題。在實際應用中,由于人臉姿態(tài)、光照和遮擋等因素,導致計算機捕獲到的人臉圖片在人臉表觀上可能存在巨大的差異,使得真實場景下的人臉表情識別仍然面臨著諸多挑戰(zhàn)。近年來興起的深度學習技術在人工智能各個領域取得了巨大的成功,受到廣大研究人員的青睞,大大地推動了計算機視覺各個領域的發(fā)展。因此,研究基于深度學習的人臉表情識別方法,是一項具有重要價值與現(xiàn)實意義的工作。本文的主要工作具體如下:(1)本文提出一種基于多任務卷積神經(jīng)網(wǎng)絡的人臉表情識別方法。傳統(tǒng)的人臉表情識別方法通常將特征學習與分類器訓練分開進行,這可能導致算法整體無法收斂到一個最優(yōu)的情況。并且,在應用深度學習方法的時候,如果缺乏足夠的訓練數(shù)據(jù)和有效的監(jiān)督信號,那么所訓練的模型就會面臨著過擬合的風險,導致模型的泛化能力嚴重降低。此外,在模型的訓練過程中,很多容易分類的樣本往往占去了訓練集的大多數(shù),使得那些少量的難以分類的樣本沒有得到充分的關注�；谝陨嫌^察,本文提出了一種基于多任務卷積神經(jīng)網(wǎng)絡的人臉表情識別方法。本文設計了一種多任務卷積神經(jīng)網(wǎng)絡,并且在網(wǎng)絡中使用一種聯(lián)合損失來同時學習所有表...

【文章頁數(shù)】：92 頁

【學位級別】：碩士

【文章目錄】：
摘要
英文摘要
第一章 緒論
    1.1 研究背景及研究意義
    1.2 國內(nèi)外研究動態(tài)
    1.3 面臨的主要問題和挑戰(zhàn)
    1.4 本文的研究目標
    1.5 本文的主要工作和創(chuàng)新點
    1.6 本文的組織結構
第二章 人臉表情識別算法概述
    2.1 引言
    2.2 深度學習相關概念
        2.2.1 卷積層
        2.2.2 轉置卷積層
        2.2.3 池化層
        2.2.4 全連接層
        2.2.5 損失層
    2.3 生成式對抗網(wǎng)絡相關概念
    2.4 傳統(tǒng)的人臉表情識別算法
        2.4.1 基于表觀特征的人臉表情識別算法
        2.4.2 基于幾何特征的人臉表情識別算法
    2.5 基于深度學習的人臉表情識別方法
    2.6 本章小結
第三章 基于多任務卷積神經(jīng)網(wǎng)絡的人臉表情識別方法
    3.1 導論
    3.2 基于多任務卷積神經(jīng)網(wǎng)絡的人臉表情識別方法
        3.2.1 整體概述
        3.2.2 聯(lián)合損失
        3.2.3 損失權重
    3.3 實驗結果及其分析
        3.3.1 數(shù)據(jù)集
        3.3.2 算法實現(xiàn)細節(jié)
        3.3.3 間隔參數(shù)α對識別結果的影響
        3.3.4 聯(lián)合損失對識別結果的影響
        3.3.5 損失權重對識別結果的影響
        3.3.6 與當前流行方法的比較
    3.4 本章小結
第四章 基于生成式對抗網(wǎng)絡的人臉表情識別方法
    4.1 導論
    4.2 基于生成式對抗網(wǎng)絡的人臉表情識別方法
        4.2.1 整體概述
        4.2.2 人臉表情合成網(wǎng)絡
        4.2.3 人臉表情識別網(wǎng)絡
        4.2.4 算法流程
    4.3 實驗結果及其分析
        4.3.1 算法實現(xiàn)細節(jié)
        4.3.2 人臉表情合成的實驗
        4.3.3 人臉表情識別的實驗
    4.4 本章小結
第五章 總結和未來工作
    5.1 總結
    5.2 未來工作
參考文獻
碩士期間參與的科研項目及發(fā)表論文
致謝



本文編號：3914845