- 1、本文档共52页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
摘要
人脸表情识别需要通过卷积神经网络对大量数据进行训练,但是许多公开数
据集人脸表情样本数量较少,容易导致模型在目标数据集上产生过拟合。人脸表
情识别大多应用在开放场景中,从外界输入的图像可能会夹杂无关图像,神经网
络可能会被无关图像所干扰,导致正确率下降。因此本文采用基于迁移学习和注
意力机制的表情识别方法,本文的研究工作如下:
(1)针对许多公开数据集人脸表情样本数量较少,表情信息单一,不利于人
脸表情识别的研究。本文通过手动收集人脸表情图片,自建了人脸表情数据集进
行实验。
(2)提出了基于迁移学习和层次化注意力机制的人脸表情识别方法。首先对
ResNet网络进行改进,借鉴Res2Net模型的残差块结构,在残差块后面加入CBAM
注意力机制。利用改进模型在ImageNet上预训练,然后迁移到样本比较少的人脸
表情数据集进行训练。分别使用自建数据集和公开数据集CK+,对改进的ResNet
网络模型进行实验。
(3)提出了基于注意力机制的开集人脸表情识别方法。把融入CBAM注意
力机制的ResNet网络和OpenMax开集表情识别方法结合起来。提出了融入CBAM
注意力机制的特征提取网络,对开放场景下的人脸表情特征进行识别。实验结果
表明:本文方法可以使模型关注到更加细微的特征,在开集设定下,提高识别已
知类识别的识别准确率。
关键词:人脸表情识别;深度残差网络;迁移学习;开集识别
Abstract
Facialexpressionrecognitionneedstotrainalargeamountofdatathrough
convolutionalneuralnetwork,butthenumberoffacialexpressionsamplesinmany
publicdatasetsissmall,whicheasilyleadstooverfittingofthemodelonthetarget
dataset.Facialexpressionrecognitionismostlyappliedinopenscenes,whereimages
inputfromtheoutsidemaybemixedwithirrelevantimages,andneuralnetworksmay
bedisturbedbyirrelevantimages,resultinginadecreaseinaccuracy.Therefore,this
paperadoptstheexpressionrecognitionmethodbasedontransferlearningand
attentionmechanism.Theresearchworkofthispaperisasfollows:
(1)Formanypublicdatasets,thenumberoffacialexpressionsamplesissmall,
andtheexpressioninformationissingle,whichisnotconducivetotheresearchof
facialexpressionrecognition.Thisarticlecollectedfacialexpressionimagesmanually
andcreatedafacialexpressiondatasetforexperiments.
(2)Afacialexpressionrecognitionmethodbasedontransferlearningand
hierarchicalattentionmechanismisproposed.Firstly,theResNetnetworkisimproved
byincorporatingtheresidualblockstructureoftheRes2Netmodelandincorporating
theCBAMattentionmechanismaftertheresidual
文档评论(0)