察言觀色,慮以下人。面部表情是人類傳達(dá)情感狀態(tài)和意圖最直接、最自然的外部表現(xiàn)之一,人臉表情識別(FER)技術(shù)旨在研究如何自動、可靠、高效的獲取并利用人臉表情所傳達(dá)的信息,進(jìn)而快速準(zhǔn)確地推測出人們的情感意圖,在人機(jī)交互、安防監(jiān)控、虛擬現(xiàn)實(shí)和醫(yī)療診斷等諸多領(lǐng)域有著廣泛應(yīng)用。FER技術(shù)的關(guān)鍵是如何有效提取人臉表情特征,傳統(tǒng)的機(jī)器學(xué)習(xí)往往采用手工的特征設(shè)計(jì)方法,這需要大量的先驗(yàn)知識,且會導(dǎo)致主觀性。隨著深度學(xué)習(xí)的迅猛發(fā)展,利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征學(xué)習(xí)提取更深層次、更抽象的語義表征取得了長足進(jìn)步。然而,自然場景下的人臉表情圖像往往受到非表情因素的干擾(例如面部姿態(tài)、光照和遮擋等),這些不可控因素嚴(yán)重影響了人臉表情的識別精度。此外,某一靜態(tài)的人臉表情圖像往往具有復(fù)雜的情感意圖,而單標(biāo)簽的人臉表情數(shù)據(jù)集無法有效描述復(fù)雜情感傾向會導(dǎo)致歧義表情的問題。目前主流的深度人臉表情識別模型通常含有巨大的參數(shù)量,其高昂的計(jì)算開銷在實(shí)際自然場景中也是難以被接受的,因此FER任務(wù)除了在繼續(xù)提高識別精度的同時,也應(yīng)考慮如何壓縮模型的計(jì)算開銷。針對以上這些問題,本文在學(xué)習(xí)研究了人臉表情識別相關(guān)的基礎(chǔ)理論以及三種現(xiàn)代卷積神...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.11卷積層到全連接層的轉(zhuǎn)換

基于深度度量融合的人臉表情識別研究(3)全連接層全連接層一般位于卷積神經(jīng)網(wǎng)絡(luò)中卷積層和池化層之后，它的作用是和上個網(wǎng)絡(luò)層中的所有神經(jīng)元之間建立連接，將前面結(jié)構(gòu)中學(xué)習(xí)到的圖像特征進(jìn)一步映射到數(shù)據(jù)集的標(biāo)記空間中，其過程如圖2.11所示，卷積層中的各個特征圖依次展開，并按通....

圖2.1經(jīng)典的深度學(xué)習(xí)系統(tǒng)

重慶郵電大學(xué)碩士學(xué)位論文第2章基于多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測與定位11到人類很輕松能執(zhí)行、但卻很難規(guī)則化描述的一些工作，比如識別當(dāng)前說話人的意思又或者是識別當(dāng)前人是否是另一個人。針對上述的問題，深度學(xué)習(xí)的提出就是一種很好的解決方案。深度學(xué)習(xí)可以讓計(jì)算機(jī)在大量的數(shù)據(jù)擬合過程中....

圖2.2單層感知器結(jié)構(gòu)

重慶郵電大學(xué)碩士學(xué)位論文第2章基于多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測與定位12器學(xué)習(xí)模型的神經(jīng)科學(xué)觀點(diǎn)，它秉承的是學(xué)習(xí)多層次組合的原理。不過現(xiàn)今的深度學(xué)習(xí)最早也是從神經(jīng)科學(xué)的基礎(chǔ)得到的簡單線性模型。這些模型大概設(shè)計(jì)為1,…,的n個輸入，一個輸出，并將他們相映射。再設(shè)計(jì)一組n個權(quán)重1....

圖2.3深度信念網(wǎng)絡(luò)結(jié)構(gòu)圖

重慶郵電大學(xué)碩士學(xué)位論文第2章基于多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測與定位132.多層感知器多層感知器[52]即將多個單層感知器相互連接在一起。多層感知器一般來說都有多個層數(shù)，一般分為輸入層、隱藏層與輸出層，這也就是現(xiàn)代人工神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)。相比于普通的單層感知器，多層感知器在擬....

本文編號：3957786