基于兴趣区域深度神经网络的静态面部表情识别

ubeautqq

基于兴趣区域深度神经网络的静态面部表情识别

% U, f6 l; k1 D* }3 T9 L' c  R摘要:通过在面部表情数据集上训练深度卷积神经网络、深度稀疏校正神经网络两种模型,对两种深度神经网络在静态面部表情识别方面的应用作了对比和分析.基于面部表情的结构先验知识,提出一种面向面部表情识别的改良方法——K兴趣区域方法,该方法在构建的开放实验数据集上,降低了由于训练数据过少而导致深度神经网络模型泛化能力不佳的问题,使得混合模型普遍且显著地降低了测试错误率.进而,结合实验结果进行了深入分析,并对深度神经网络在任意图像数据集上的可能有效性进行了深入剖析和分析.
5 B( G- _& J0 w关键词:K兴趣区域;深度神经网络;深度学习;面部表情识别

% P9 Q$ C. t0 I6 W' o+ r" \1引言
在面部表情识别领域,随着深度神经网络的提出，“先提取特征,后模式识别”的规则被打破. Krizhevsky等人"在ILSVRC-2012图像识别竞赛中,利用深度卷积神经网络的自适应特征提取能力,使模型成绩远远超过了SIFT等传统人工特征的成绩.最近,在面部情感识别任务上, Lopes 等[2]尝试引人卷积神经网络模型,将特征提取和判别分类两个步骤统一结合,在 ExtendedCohn Kanade ( CK +)[3静态面部表情数据集上取得了
: W) ?: A6 F7 a/ Y: M  V
% J# Z) R' w$ p; a, D" C

游客，如果您要查看本帖隐藏内容请回复

NingW

基于兴趣区域深度神经网络的静态面部表情识别