【摘要】：人臉識(shí)別是一種生物識(shí)別技術(shù),其能夠根據(jù)人的面部特征識(shí)別人的身份信息和狀態(tài)。其中性別和表情識(shí)別是人臉識(shí)別的重要研究方向之一。深度學(xué)習(xí)技術(shù)的發(fā)展使識(shí)別模型能夠有效地處理大量數(shù)據(jù)并促進(jìn)了人臉識(shí)別技術(shù)的發(fā)展。然而,在實(shí)際應(yīng)用中,由于光照、遮擋和拍攝角度等因素影響,難以從自然環(huán)境下獲取的人臉圖片獲取到有效特征。本文基于卷積神經(jīng)網(wǎng)絡(luò)模型,對(duì)2016年Chalearn Looking at People and Faces of the World競(jìng)賽中的性別和微笑識(shí)別問題進(jìn)行研究。本文主要工作如下:1)介紹并分析卷積神經(jīng)網(wǎng)絡(luò)相關(guān)的原理以及常用模型。根據(jù)各模型的特點(diǎn),在LeNet-5基礎(chǔ)上進(jìn)行改進(jìn)并設(shè)計(jì)實(shí)現(xiàn)三個(gè)網(wǎng)絡(luò)結(jié)構(gòu)。通過在FotW數(shù)據(jù)集中訓(xùn)練和測(cè)試效果,對(duì)模型進(jìn)行調(diào)整和優(yōu)化。根據(jù)實(shí)驗(yàn)結(jié)果,選取基于Inception結(jié)構(gòu)的CNN-3作為FotW數(shù)據(jù)集中性別和微笑識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。2)通過分析不同的激活函數(shù)和損失函數(shù)的特征,并在FotW數(shù)據(jù)集中進(jìn)行訓(xùn)練和測(cè)試,研究了二者對(duì)模型訓(xùn)練和FotW數(shù)據(jù)集中性別與微笑識(shí)別的影響。根據(jù)實(shí)驗(yàn)結(jié)果,選取縮放指數(shù)線性單元(SeLU)作為激活函數(shù),選取SoftmaxLoss與CenterLoss結(jié)合作為性別識(shí)別任務(wù)的損失函數(shù),選擇SoftmaxLoss單獨(dú)作為微笑識(shí)別任務(wù)的損失函數(shù)。3)分析了遷移學(xué)習(xí)和支持向量機(jī)的基本原理。使用遷移學(xué)習(xí)方法訓(xùn)練模型來獲得最終的網(wǎng)絡(luò)模型。通過實(shí)驗(yàn)對(duì)比了該模型與傳統(tǒng)特征提取方法的識(shí)別效果,并對(duì)比分析了本文提出的模型與競(jìng)賽獲獎(jiǎng)隊(duì)伍提出的識(shí)別方法。實(shí)驗(yàn)表明,與傳統(tǒng)特征提取方法相比,基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)模型能更有效地提取人臉特征。遷移學(xué)習(xí)方法結(jié)合支持向量機(jī)分類器使性別識(shí)別和微笑識(shí)別的性能均有所提升。
【圖文】：

狀、妝容、胡須等。網(wǎng)絡(luò)結(jié)構(gòu)能夠影是探索適宜性別和微笑表情識(shí)別任務(wù)本理論絡(luò)中，在計(jì)算機(jī)視覺領(lǐng)域被應(yīng)用最廣卷積神經(jīng)網(wǎng)絡(luò)是受貓視覺皮層的啟享機(jī)制。由于隱含層之間的全連接，，而卷積神經(jīng)網(wǎng)絡(luò)的兩大特點(diǎn)可以有積核掃描圖像，將卷積核的值與圖像果相加作為輸出圖像像素的灰度值。

中北大學(xué)學(xué)位論文視覺對(duì)外界圖像的感知，我們可以看到人們傾向于全局的特征。在獲得圖像的部分信息后，，將這些信幅圖像的信息。卷積神經(jīng)網(wǎng)絡(luò)就具有相似的特征。是由卷積層和池化層構(gòu)成的，其中卷積層的輸出稱的關(guān)系稱為感受野。如圖 2.2 所示，如果步長(zhǎng)為受野與 Map3 中 1 1的感受野對(duì)應(yīng)，Map1 中 11 1應(yīng)。
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場(chǎng)中的神經(jīng)網(wǎng)絡(luò)拐點(diǎn)預(yù)測(cè)法[J];金融經(jīng)濟(jì);2017年18期

2 陳曉燕;;淺析簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)的發(fā)展及簡(jiǎn)單模型[J];數(shù)字技術(shù)與應(yīng)用;2019年05期

3 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會(huì)述評(píng)[J];國(guó)際學(xué)術(shù)動(dòng)態(tài);1996年01期

4 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識(shí)別[J];通訊世界;2018年12期

5 林嘉應(yīng);鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡(luò)的船舶分類模型[J];信息技術(shù)與信息化;2019年02期

6 俞頌華;;卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用綜述[J];信息通信;2019年02期

7 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡(luò)的通用理論建造基石[J];世界科學(xué);2019年04期

8 鮑偉強(qiáng);陳娟;熊濤;;基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)研究[J];電工技術(shù);2019年11期

9 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設(shè)計(jì)研究[J];數(shù)字技術(shù)與應(yīng)用;2018年04期

10 張庭略;;基于硬件的神經(jīng)網(wǎng)絡(luò)加速[J];通訊世界;2018年08期

相關(guān)會(huì)議論文 前10條

1 孫軍田;張U

本文編號(hào)：2706121