人臉表情識別在安全駕駛、醫(yī)療看護、教育及商業(yè)銷售等領(lǐng)域有著廣泛的應用前景。研究人臉表情的快速準確識別方法將有助于為不同領(lǐng)域的人臉表情識別提供必要的技術(shù)支持�；谏疃染矸e神經(jīng)網(wǎng)絡的表情識別算法比傳統(tǒng)的表情識別算法識別準確率高,然而深度卷積神經(jīng)網(wǎng)絡模型存在參數(shù)多、結(jié)構(gòu)復雜而導致模型訓練速度慢及網(wǎng)絡在自主學習提取表情特征的過程中存在一定的隨意性而導致模型提取到的人臉表情特征表現(xiàn)力不足等問題,這些問題嚴重影響到算法模型的識別效果。針對這些問題,本文進行了深入研究。首先,本文設(shè)計了一種基于分組重組殘差網(wǎng)絡的表情識別算法。該算法利用分組卷積代替標準卷積提取人臉表情特征信息,為了有效地融合不同組輸出的表情特征信息,在分組卷積中加入通道重組,通過殘差網(wǎng)絡的跨連接傳遞不同層次的表情特征,實現(xiàn)了卷積網(wǎng)絡的不同層次之間的表情特征傳遞和融合,本文算法有效地減少了網(wǎng)絡模型的參數(shù)數(shù)量,防止了網(wǎng)絡模型在訓練中出現(xiàn)整體性能退化的情況,提高網(wǎng)絡的訓練速度及識別準確率。其次,本文設(shè)計了一種基于多注意力機制的分組殘差網(wǎng)絡表情識別算法。針對卷積神經(jīng)網(wǎng)絡提取的表情特征表現(xiàn)性不強的問題,利用通道及空間注意力機制融合算法,有效提取... 

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢
    1.3 本文主要的工作
    1.4 論文組織結(jié)構(gòu)
2 表情識別相關(guān)理論
    2.1 表情識別相關(guān)理論
        2.1.1 表情圖像預處理
        2.1.2 表情特征提取
        2.1.3 表情分類
    2.2 深度學習
    2.3 卷積神經(jīng)網(wǎng)絡
    2.4 本章小結(jié)
3 基于分組重組殘差網(wǎng)絡的表情識別算法
    3.1 算法設(shè)計思想
    3.2 基于GS-Res Net的表情特征提取模塊
        3.2.1 分組重組
        3.2.2 殘差網(wǎng)絡
        3.2.3 改進的表情特征提取模塊
    3.3 基于GS-Res Net的表情識別算法模型設(shè)計
    3.4 基于GS-Res Net的表情識別算法實現(xiàn)
    3.5 實驗設(shè)計
        3.5.1 實驗環(huán)境
        3.5.2 表情數(shù)據(jù)庫
        3.5.3 實驗參數(shù)設(shè)置
    3.6 實驗結(jié)果分析
    3.7 本章小結(jié)
4 基于多注意力機制的分組殘差網(wǎng)絡表情識別算法
    4.1 算法設(shè)計思想
    4.2 基于MAG-Res Net的表情特征提取模塊
        4.2.1 注意力機制
        4.2.2 改進的表情特征提取模塊
    4.3 基于MAG-Res Net的表情識別算法模型設(shè)計
    4.4 基于MAG-Res Net的表情識別算法實現(xiàn)
    4.5 實驗設(shè)計與結(jié)果分析
        4.5.1 實驗配置
        4.5.2 表情數(shù)據(jù)集
        4.5.3 實驗參數(shù)設(shè)置
        4.5.4 實驗結(jié)果分析
    4.6 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻
附錄


【參考文獻】：
期刊論文
[1]基于改進Faster-RCNN的自然場景人臉檢測[J]. 李祥兵,陳煉.  計算機工程. 2021(01)
[2]基于注意力機制和混合網(wǎng)絡的小群體情緒識別[J]. 季欣欣,邵潔,錢勇生.  計算機工程與設(shè)計. 2020(06)
[3]結(jié)合LBP和SVM的視頻表情識別方法[J]. 姚麗莎,徐國明,房波,何世雄,周歡.  山東理工大學學報(自然科學版). 2020(04)
[4]基于新增haar特征和改進AdaBoost的人臉檢測算法[J]. 張彩麗,劉廣文,詹旭,才華,劉智.  長春理工大學學報(自然科學版). 2020(02)
[5]基于空間注意力機制的行人再識別方法[J]. 張子昊,周千里,王蓉.  北京航空航天大學學報. 2020(09)
[6]基于改進LBP的人臉面部表情特征提取方法（英文）[J]. 王思明,梁運華.  Journal of Measurement Science and Instrumentation. 2019(04)
[7]基于多方向Gabor特征圖稀疏表示的魯棒人臉識別方法[J]. 徐望明,張培,伍世虔.  北京理工大學學報. 2019(07)
[8]網(wǎng)中網(wǎng)殘差網(wǎng)絡模型的表情圖像識別研究[J]. 裴頌文,楊保國,顧春華.  小型微型計算機系統(tǒng). 2018(12)
[9]基于加權(quán)KNN與隨機森林的表情識別方法[J]. 馮開平,賴思淵.  軟件導刊. 2018(11)
[10]基于改進深度殘差網(wǎng)絡的低功耗表情識別[J]. 杜進,陳云華,張靈,麥應潮.  計算機科學. 2018(09)



本文編號：3695094