基于生成对抗网络的多角度面部表情识别研究与实现

发布时间：2022-09-17 13:04

　　多角度面部表情识别一直以来都是机器学习和计算机视觉领域的研究难点之一。传统意义上的面部表情识别指的是对正面人脸表情图片进行分类。但是现实中我们获取的人脸表情图片,大多是由不同偏转角度的摄像机所拍摄的多角度人脸表情图片。不同角度的相同面部表情的特征大不相同,使得计算机精确的识别多角度面部表情这项任务更具有挑战性。此外,许多公开的面部表情识别算法对非限制性条件下采集的人脸图像识别效果不佳,说明目前多数表情识别算法离实际应用仍有较大的差距。大多数的表情识别算法只是对标准正脸表情图片通过相关算法进行分类,如果直接将正脸表情识别算法使用在多角度人脸表情识别领域,准确率会极大的降低,因为正脸表情和侧脸表情的特征差异很大。针对上述问题,本文采用基于生成对抗网络的算法来提高多角度面部表情识别的准确率和鲁棒性。其中对于不同角度下采集的人脸表情图片,基于迁移学习的思想,将侧脸表情特征映射到正脸表情特征空间中,并且优化了特征分类的方法。该算法能够很好的学习正脸表情特征和侧脸表情特征之间的映射关系,并且能够从两种角度提取人脸表情的空间特征。算法的有效性在第四章的实验部分得到了充分的验证。本文的研究内容如下:（... 

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
专用术语注释表
第一章 绪论
    1.1 课题研究的目的与意义
    1.2 迁移学习简介
    1.3 多角度人脸表情识别研究现状
    1.4 生成对抗网络
    1.5 常用人脸表情数据库
    1.6 研究内容
    1.7 论文结构
第二章 迁移学习与生成对抗网络
    2.1 迁移学习的类别
    2.2 生成对抗网络原理
    2.3 基于卷积神经网络的图像风格转换实验
    2.4 基于生成对抗网络的侧脸正脸转换实验
    2.5 基于生成对抗网络的人脸表情转换实验
第三章 条件生成对抗网络CGAN
    3.1 条件生成对抗网络简介
    3.2 生成器和判别器的设计
    3.3 神经网络结构
        3.3.1 U-NET结构
        3.3.2 Leaky-Relu激活函数
        3.3.3 Adam网络优化算法
    3.4 基于条件生成对抗网络的多角度人脸表情识别实验
第四章 MVFGAN网络
    4.1 人脸对齐与数据预处理
    4.2 MVFGAN网络结构
        4.2.1 生成器的浅层特征提取
        4.2.2 卷积神经网络的深层特征分类
    4.3 MVFGAN多角度人脸表情识别实验
    4.4 MVFGAN和CGAN的融合实验
        4.4.1 评估不同的融合策略
        4.4.2 跨库测试
        4.4.3 与最先进的水平相比
第五章 总结与展望
    5.1 全文总结
    5.2 研究展望
参考文献
附录1 程序清单
附录2 攻读硕士学位期间撰写的论文
附录3 攻读硕士学位期间申请的专利
附录4 攻读硕士学位期间参加的科研项目
致谢


【参考文献】：
期刊论文
[1]迁移学习研究进展[J]. 庄福振,罗平,何清,史忠植.  软件学报. 2015(01)



本文编号：3679277