發(fā)布時間：2021-01-04 03:59

　　在日常生活中,人們主要通過人臉表情來傳遞心理情感信息。人臉表情識別是利用構(gòu)建的模型來識別人臉表情,并通過表情判斷心理情感。基于深度學(xué)習(xí)的人臉表情識別在人機交互和醫(yī)療等領(lǐng)域得到廣泛關(guān)注和重點研究,也取得了很大的進(jìn)展。深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)對人臉表情有較好的特征提取能力,但在空間信息的提取能力方面表現(xiàn)不足。本文構(gòu)建了基于Capsule的人臉表情識別模型,該模型主要分為三部分:提取基礎(chǔ)特征的2-4層的卷積層,對實體特征進(jìn)行表示并分類的Capsule層以及進(jìn)一步優(yōu)化網(wǎng)絡(luò)的解碼器結(jié)構(gòu)。本文的模型利用Capsule來表征人臉表情實體,可以更好的提取人臉表情圖像中的空間信息。針對本文構(gòu)建的Capsule的人臉表情識別模型,本文做了兩方面的優(yōu)化研究。一方面是本文研究了卷積層對Capsule最終表征人臉表情實體的影響,由于不同卷積層提取的特征不同,生成原始的Capsule也不同,導(dǎo)致模型對人臉表情的識別性能有所差異。另一方面是本文研究了解碼器對本文模型的影響。本文研究了兩種方法來構(gòu)建人臉表情識別的解碼器,一種是基于全連接構(gòu)建的解碼器,另一種是基于反卷積構(gòu)建的解碼器。解碼器是通過重構(gòu)圖像來優(yōu)化模型,對模... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

長短期記憶網(wǎng)絡(luò)的面部表情識別模型[58]

重慶郵電大學(xué)碩士學(xué)位論文第1章緒論5圖1.3基于CNN的人臉表情識別網(wǎng)絡(luò)[60]2017年，zhang等人[60]提出了基于CNN來識別人臉表情的新型框架，如圖1.3所示。與其他的深度學(xué)習(xí)方法相比，他們提出的基于多尺度全局圖像和局部面部補丁的框架可以顯著提高面部表情識別的性能。為了利用從粗到精的框架，該模型采用了不同網(wǎng)絡(luò)結(jié)構(gòu)在多個尺度上進(jìn)行檢測。模型還會對原始圖像產(chǎn)生許多補丁，這些補丁也會輸入到CNN中進(jìn)行訓(xùn)練，所有的補丁是共享一個網(wǎng)絡(luò)的。2017年Sabour和Hinton提出了一種全新的神經(jīng)網(wǎng)絡(luò)模型CapsNet用于手寫數(shù)據(jù)集的識別。這個網(wǎng)絡(luò)模型是基于一種叫Capsule的結(jié)構(gòu)。該模型解決了卷積神經(jīng)網(wǎng)絡(luò)在訓(xùn)練中會遺失圖像空間信息的問題，將卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中圖像遺失的部分信息充分利用了起來，使得最后的識別效果得到了提升。在手寫數(shù)字識別的數(shù)據(jù)集上也取得了優(yōu)異的性能。目前人臉表情識別的研究已經(jīng)有了很大進(jìn)展，部分技術(shù)也可以運用到實際的生活中。但仍然存在不少的問題需要解決，主要有以下幾個方面：1.在實際環(huán)境中，人臉檢測受背景，光照等因素影響，其檢測正確率會有所下降，導(dǎo)致人臉表情的識別也會隨之降低。2.CNN由于丟失了部分空間信息，在實際的識別任務(wù)中，很容易被對抗性的樣本欺騙，造成人臉表情識別的深度模型性能急劇下降。3.采用深度學(xué)習(xí)技術(shù)的人臉表情識別模型，其構(gòu)建的模型結(jié)構(gòu)越來越復(fù)雜，超參數(shù)也越來越多，需要大量試錯訓(xùn)練。1.3本文主要工作和創(chuàng)新點本文對于人臉表情識別的算法研究是從以下幾個方面開展的：1.研究深度學(xué)習(xí)對于人臉表情識別的運用及相關(guān)算法。

重慶郵電大學(xué)碩士學(xué)位論文第2章相關(guān)基礎(chǔ)理論10(a)6×6的特征圖(b)4×4的特征圖MTCNN[30]是用于人臉檢測多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)模型。該模型有三個級聯(lián)的網(wǎng)絡(luò)，分別是為了生成所需候選窗口的P-Net，將得到的候選窗口進(jìn)行更加細(xì)致篩選的R-Net和生成最終邊界框與人臉關(guān)鍵點的O-Net。該模型還利用了圖像金字塔、邊框回歸、非最大值抑制等技術(shù)。在網(wǎng)絡(luò)中采用了候選框加上分類器的思想，能對人臉圖像進(jìn)行更加有效的人臉檢測。P-Net是一個對初始圖像生成大量候選框的建議網(wǎng)絡(luò)，主要是圖像通過三個卷積層進(jìn)行卷積后得到特征圖，然后將特征圖通過一個人臉分類器判斷該區(qū)域是否是人臉，同時使用邊框回歸和一個可以定位圖像中人臉關(guān)鍵點的定位器來對圖片中的人臉區(qū)域進(jìn)行初步候眩該部分最終將輸出很多張可能存在人臉的候選框，然后會把得到的候選框輸入R-Net進(jìn)行篩選處理。R-Net會濾除大量效果比較差的候選框，該層使用了相對于P-Net更復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)。通過R-Net網(wǎng)絡(luò)將大部分不太精準(zhǔn)的候選框舍去，再次使用了邊框回歸和人臉關(guān)鍵點定位器。這層網(wǎng)絡(luò)輸出的結(jié)果是比P-Net好一些人臉候選框，將這些結(jié)果提供給O-Net使用。O-Net這一層會通過更復(fù)雜的網(wǎng)絡(luò)來識別面部的區(qū)域，最終輸出五個人臉定位點。圖像中的人臉位置就是通過這五個點確定的。這一層的特征輸入非常多，它的網(wǎng)絡(luò)結(jié)構(gòu)也比前兩層更加復(fù)雜。但同時它也有更加優(yōu)良的性能，可以獲得非常好的結(jié)果。因此，這一層的結(jié)果也是整個網(wǎng)絡(luò)的輸出結(jié)果。圖2.1不同尺度的特征圖


本文編號：2956105