發(fā)布時(shí)間：2017-12-13 07:33

  本文關(guān)鍵詞：一種基于降噪自編碼器的人臉表情識(shí)別方法

  更多相關(guān)文章： 表情識(shí)別 降噪自編碼器 深度學(xué)習(xí)

【摘要】：針對(duì)傳統(tǒng)人臉表情識(shí)別算法魯棒性差,易受到人臉身份信息干擾的問題,在降噪自編碼器的基礎(chǔ)上,提出一種人臉表情識(shí)別算法。首先,從圖片中檢測(cè)出人臉部分,并進(jìn)行尺度歸一化處理;再構(gòu)造堆棧式降噪自編碼神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)訓(xùn)練;最后為了避免由訓(xùn)練樣本不足容易造成的過擬合問題,在深度網(wǎng)絡(luò)模型的全連接層采用了Dropout技術(shù)。實(shí)驗(yàn)結(jié)果在數(shù)據(jù)集CK+、JAFFE和Yale上均取得了較高的準(zhǔn)確率,說(shuō)明了該方法具有較強(qiáng)的魯棒性和抗身份信息干擾的能力。
【作者單位】： 西南科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;
【分類號(hào)】：TP391.41
【正文快照】： 0引言近年來(lái),在計(jì)算機(jī)視覺研究領(lǐng)域中,人臉表情識(shí)別作為熱點(diǎn)研究課題正在吸引全世界的相關(guān)學(xué)者參與其中。而人臉表情識(shí)別研究的主要難點(diǎn)除了常見的考慮光照、角度、遮擋和姿態(tài)等問題以外,更重要的是考慮人臉身份特征的干擾和人臉表情變化的非剛性。即需要同時(shí)考慮人臉長(zhǎng)相特征，

本文編號(hào)：1284331