面部表情是人類傳達(dá)情感的有效媒介,然而情感的復(fù)雜性導(dǎo)致表情識別問題中樣例所對應(yīng)的情感標(biāo)記不能被確切定義。由于標(biāo)記分布學(xué)習(xí)法適用于解決標(biāo)記語義信息模糊的機(jī)器學(xué)習(xí)問題,并且標(biāo)記分布學(xué)習(xí)法在處理表情識別問題時能提供多標(biāo)記學(xué)習(xí)法所不能提供的情感分布信息,即各個情感標(biāo)記對于樣例的描述強(qiáng)度。所以,本文利用標(biāo)記分布學(xué)習(xí)方法解決表情識別問題。在標(biāo)記分布學(xué)習(xí)法的框架下,考慮標(biāo)記之間的相關(guān)性能有效解決類別不平衡的機(jī)器學(xué)習(xí)問題或者提升現(xiàn)有算法的預(yù)測效果。其中,高階相關(guān)性通常最適用于模型在現(xiàn)實(shí)中所面臨的復(fù)雜情況。但是,當(dāng)標(biāo)記相關(guān)性太過復(fù)雜時,還會出現(xiàn)模型因自身描述能力不夠而無法完全擬合數(shù)據(jù)集。所以,本文提出的兩個表情分布識別算法:基于局部標(biāo)記相關(guān)性的情感分布識別方法（Emotion Distribution Learning based on Local Label Correlation,EDL-LLC）和按層級結(jié)構(gòu)組合局部模型的標(biāo)記分布學(xué)習(xí)方法（Label Distribution Learning as Hierarchy Combination of Local Models,LDL-HCLM）,通過... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

標(biāo)記分布示意圖

的 100 個表情模特具有不同膚色不同年齡不同性別的特點(diǎn)，其中性占 44%。BU_3DFE 共包含 2500 張表情圖片，每個模特做 4和 1 次中立表情。該數(shù)據(jù)庫沒有提供相應(yīng)的表情分?jǐn)?shù)集，s-BU由 PALM 實(shí)驗(yàn)室 23 個學(xué)生按 JAFFE 的方法對各基本表情進(jìn)行。

以可以不對圖片源進(jìn)行人臉區(qū)域劃分； JAFFE 為單純的靜態(tài)表情圖片，其背景比較簡單，沒有光照、情識別的效果，所以只是對原來 256*256 的圖片進(jìn)行裁剪至 11圖片的眼睛位置基本一致即可，如下圖 3-3 所示，圖 3-3（a）是子。


本文編號：3119939