人臉表情包含著豐富的情感信息,是人類情感表達(dá)的重要表現(xiàn)形式。隨著圖像處理和機(jī)器視覺技術(shù)的快速發(fā)展,面向情感計(jì)算、心理分析等視覺研究的熱度與日俱增。表情識(shí)別在在線教育、智能商業(yè)、公共安全等領(lǐng)域都有著廣泛的應(yīng)用前景。雖然當(dāng)前在實(shí)驗(yàn)室約束環(huán)境下的人臉表情識(shí)別技術(shù)已經(jīng)相對(duì)成熟,但實(shí)際應(yīng)用中,人臉表情會(huì)受到光線、遮擋等因素影響,同時(shí)人們對(duì)自然場(chǎng)景下表情識(shí)別精度的需求不斷增長(zhǎng),因而非約束環(huán)境下的表情識(shí)別正在成為機(jī)器視覺領(lǐng)域的研究熱點(diǎn)。目前,對(duì)于非約束環(huán)境下人臉表情識(shí)別的研究?jī)?nèi)容主要是針對(duì)姿態(tài)、遮擋、光照三類要素分別進(jìn)行研究,尚未有統(tǒng)一的表情識(shí)別模型能夠同時(shí)解決上述多個(gè)問題。對(duì)此,本文基于深度學(xué)習(xí)方法提出兩種非約束環(huán)境下人臉表情識(shí)別的通用模型,通過增強(qiáng)模型的表征學(xué)習(xí)能力和泛化能力,解決了因姿態(tài)、遮擋、光照造成的識(shí)別精度低的問題。本文的具體研究工作和創(chuàng)新點(diǎn)如下:(1)提出一種基于特征融合的注意力雙線性池化模型(Feature Fusion Attention Bilinear Pooling Model,FFABP)。本文將注意力機(jī)制引入雙線性池化模型,提出一種注意力增強(qiáng)的雙線性池化模型。一方面,利用...

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

圖2.1CNN基本結(jié)構(gòu)圖

圖2.2卷積操作過程

圖2.3最大值池化過程

圖2.4均值池化過程

本文編號(hào)：3889299