基于平行卷积神经网络特征融合的人脸表情识别

发布时间：2022-12-18 15:13

　　人脸表情识别（Facial Expression Recognition,FER）是人机情感交互研究的一部分,在医疗、刑侦、教育和娱乐等诸多领域拥有潜在的应用价值。近年来随着深度学习研究深入,具有强大的自动特征提取和分类能力的卷积神经网络在人脸表情识别领域得到广泛的研究。研究卷积神经网络结构优化,提升卷积神经网络特征提取能力,使模型在一定程度复杂条件下的人脸表情识别具有较高的识别准确率并具有实际应用价值。本文首先对常用的人脸表情识别特征提取和特征分类方法进行分析后,采用改进卷积神经网络结构用于人脸表情识别。针对常规卷积神经网络由于参数多容易产生过拟合,且在误差反向传播过程中易出现梯度消失或爆炸问题,本文提出特定层批量归一化卷积神经网络。在网络模型前部采用连续卷积增强特征提取效果;之后在网络特定层使用批量归一化结构调整特征数据的分布,有效解决误差反向传播过程中梯度问题;在全连接层通过优化Dropout连接概率值达到稀疏化连接,降低过网络拟合可能性。实验结果表明改进的卷积神经网络模型具有较快的训练速度和较好的识别效果。针对在具有光照、姿态以及是否自发表情复杂条件下的人脸表情特征提取,特定层... 

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
注释表
第1章 引言
    1.1 研究背景及意义
    1.2 研究现状
        1.2.1 相关进展
        1.2.2 目前存在难点
    1.3 论文主要内容
    1.4 论文组织结构
第2章 人脸表情识别相关技术
    2.1 表情识别主要工作流程
    2.2 人脸检测方法
    2.3 人脸表情特征提取方法
        2.3.1 常规人脸表情特征提取
        2.3.2 深度神经网络表情特征提取
    2.4 人脸表情特征分类方法
    2.5 本章小结
第3章 基于特定层批量归一化卷积神经网络的人脸表情识别
    3.1 卷积神经网络
        3.1.1 卷积神经网络基本模型
        3.1.2 卷积神经网络训练过程
    3.2 特定层批量归一化卷积模型
        3.2.1 批量归一化
        3.2.2 特定层批量归一化卷积神经网络模型
        3.2.3 算法框架
        3.2.4 模型属性设置
    3.3 实验结果与分析
        3.3.1 人脸表情数据集
        3.3.2 连续卷积优化实验
        3.3.3 不同BN方式的实验结果与分析
        3.3.4 Dropout连接密度实验
        3.3.5 多种方法实验结果对比
    3.4 本章小结
第4章 基于平行卷积特征融合的人脸表情识别
    4.1 特征融合研究背景
    4.2 平行卷积特征融合神经网络
        4.2.1 平行卷积特征提取
        4.2.2 平行通道特征融合
        4.2.3 特征图的内部融合
        4.2.4 分类决策融合
    4.3 平行卷积神经网络特征融合模型
        4.3.1 PFCNN模型
        4.3.2 网络属性选择
    4.4 实验结果及分析
        4.4.1 不同特征图融合方法与不同决策融合组合实验
        4.4.2 特征图内部融合数量实验
        4.4.3 区分6类表情和7类表情实验
        4.4.4 不同模型对比实验
    4.5 本章小结
第5章 总结与展望
    5.1 工作总结
    5.2 未来工作展望
致谢
参考文献
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3722278