計算機和人工智能技術及其相關學科的快速發(fā)展使得計算機與人之間進行人機交互的需求日益增長。面部表情是人類情緒狀態(tài)和精神狀態(tài)的重要表現(xiàn)形式之一,人際交往中有大約55%的信息都是通過表情傳達的。因此要讓計算機能夠理解和表達情感,首先就要能夠理解人類的表情。近期,越來越多的研究使用深度卷積神經(jīng)網(wǎng)絡學習人臉的判別性特征進行表情識別。在表情識別領域中,已經(jīng)提出了幾種神經(jīng)網(wǎng)絡體系結構,這些模型大都基于VGG或者ResNet網(wǎng)絡結構。比起傳統(tǒng)方法,這些結構雖然效果更好,但是模型參數(shù)過多且前向傳播推導時間過長,這對于許多移動設備來說難以實際運用。因此研究輕量級模型成為新的研究方向。然而當前大多數(shù)對模型的輕量級研究在表情中應用得比較少,且即使有應用在表情識別上,識別精確度也不是很高。為了解決目前人臉表情識別存在的問題,提出了一個建設性的解決方案:(1)提出快速降采樣特征提取模型,提高人臉表情特征提取能力;(2)設計出一個輕量且準確度相對較高的面部表情識別算法,并通過加入殘差注意力機制獲取到表情特征關鍵信息,滿足實時處理的要求;(3)提出一種新的損失融合方式,通過將L2_SVM提高泛化能力與中心損失聚攏類內距離的優(yōu)勢相結合,提高表情識別的準確度。研究大致流程如下:在網(wǎng)絡的前端使用快速降采樣特征提取結構提取表情特征。然后使用類VGG網(wǎng)絡,將主干網(wǎng)絡改為Xception結構,并加入殘差注意力機制作為掩碼分支。網(wǎng)絡的后端使用新的損失融合算法。最后,實驗結果表明,主干的設計確實降低了深層卷積網(wǎng)絡的參數(shù)量,使得模型的參數(shù)量大大降低,并且通過設計的殘差注意力結構和損失融合函數(shù)有效的提高了表情識別的精確度。
【學位單位】：華中科技大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP391.41;TP18
【部分圖文】：

(a) 人臉對齊 (b) 鏡像翻轉及旋轉變換圖 3-4 人臉對齊及數(shù)據(jù)增強示意圖 輕量級表情識別網(wǎng)絡設計主流的卷積神經(jīng)網(wǎng)絡模型層次深導致模型計算量非常的大，由于不夠輕量無端部署。

(a) 人臉對齊 (b) 鏡像翻轉及旋轉變換圖 3-4 人臉對齊及數(shù)據(jù)增強示意圖3.3 輕量級表情識別網(wǎng)絡設計主流的卷積神經(jīng)網(wǎng)絡模型層次深導致模型計算量非常的大，由于不夠輕量無法在移動端部署。0°180°

Xception[21]結構組合殘差注意力結構從而提高網(wǎng)絡的分類性能�；诓煌疃鹊奶卣鲌D可以提取額外的注意力模型，在網(wǎng)絡的最后使用全卷積控制計算量進行像素級預測分類。人臉表情識別網(wǎng)絡的具體結構在之后的小節(jié)里進行詳細的介紹。3.3.1 快速降采樣特征提取結構卷積操作是在兩個維度上進行的，卷積核與圖像進行點乘意味著卷積核里的權重單獨對相應位置的像素進行作用。為了說明快速降采樣如何進行的，我們首先要了解卷積操作是如何進行的。首先給定一個圖像 X 和卷積核W ，步長為 s，則輸出的結果 O 如公式 3-3 所示。 = щ (3-3)為了更清楚的了解卷積操作是如何進行的，我們假設輸入圖像大小為 ，卷積核的大小為 ，步長為 1，這樣進行卷積操作后，輸出的是一個 的矩陣，也叫卷積特征圖。如圖 3-6 所示。
【相似文獻】

相關期刊論文 前10條

1 孔德壯;朱夢宇;于江坤;;人臉表情識別在輔助醫(yī)療中的應用及方法研究[J];生命科學儀器;2019年02期

2 楊曉龍;閆河;張楊;;人臉表情識別綜述[J];數(shù)字技術與應用;2018年02期

3 原淵;;基于深度學習的人臉表情識別方法研究[J];電腦迷;2018年04期

4 翟懿奎;劉健;;面向人臉表情識別的遷移卷積神經(jīng)網(wǎng)絡研究[J];信號處理;2018年06期

5 趙美名;;教學系統(tǒng)中人臉表情識別系統(tǒng)的監(jiān)督作用[J];教育教學論壇;2017年09期

6 施徐敢;張石清;趙小明;;基于壓縮感知的魯棒性人臉表情識別[J];計算機系統(tǒng)應用;2015年02期

7 李嘉良;范亦凡;展雯慧;黎箐箐;;人臉表情識別在嬰兒看護中的應用[J];數(shù)碼世界;2017年08期

8 孫蔚;王波;;人臉表情識別綜述[J];電腦知識與技術;2012年01期

9 田建華;;一種高性能部分遮擋的人臉表情識別方法[J];電腦知識與技術;2011年08期

10 田建華;;基于改進的非負矩陣分解的人臉表情識別[J];電腦知識與技術;2011年13期

相關博士學位論文 前10條

1 李輝輝;基于認知機器學習的人臉表情識別研究[D];華南理工大學;2019年

2 盧洋;人臉表情圖像識別關鍵技術的分析與研究[D];吉林大學;2019年

3 王占;基于稀疏子空間分析的人臉表情識別算法研究[D];北京交通大學;2017年

4 李筱鶴;非約束條件下人臉表情識別問題的研究[D];華南理工大學;2018年

5 孫文赟;基于深度學習的人臉表情識別研究[D];南京理工大學;2018年

6 楊雨濃;基于深度學習的人臉表情識別方法研究[D];西北大學;2017年

7 何良華;人臉表情識別中若干關鍵技術的研究[D];東南大學;2005年

8 劉偉鋒;人臉表情識別研究[D];中國科學技術大學;2007年

9 Ongalo Phoebe Nasimiyu Fedha;基于機器學習方法的人臉表情識別研究[D];中南大學;2014年

10 岳雷;人臉表情識別新算法研究[D];北京理工大學;2015年

相關碩士學位論文 前10條

1 劉文龍;基于圖像序列的動態(tài)人臉表情識別算法研究[D];華中科技大學;2019年

2 李雅茗;基于貝葉斯推理的人臉表情識別方法[D];華中科技大學;2019年

3 王丹;基于殘差注意力機制的輕量級實時表情分類與識別[D];華中科技大學;2019年

4 韓雨;基于密集膠囊網(wǎng)絡的多視角人臉表情識別[D];華中科技大學;2019年

5 彭穆子;自然環(huán)境下的靜態(tài)人臉表情識別與估計[D];合肥工業(yè)大學;2019年

6 余勝男;基于生成對抗網(wǎng)絡的人臉表情識別方法研究[D];合肥工業(yè)大學;2019年

7 周文彬;人臉表情識別特征提取及分類判別方法的研究與實現(xiàn)[D];北京交通大學;2019年

8 郭成;基于卷積神經(jīng)網(wǎng)絡的人臉表情識別算法研究[D];武漢輕工大學;2019年

9 徐燦;基于差分深度特征的人臉表情識別及其應用[D];華中師范大學;2019年

10 常天元;基于領域信息損失和注意力動態(tài)加權訓練的人臉表情識別研究[D];華南理工大學;2019年

本文編號：2864450