發(fā)布時間：2021-04-05 19:08

　　面部表情是人類傳達情感的有效媒介,然而情感的復雜性導致表情識別問題中樣例所對應的情感標記不能被確切定義。由于標記分布學習法適用于解決標記語義信息模糊的機器學習問題,并且標記分布學習法在處理表情識別問題時能提供多標記學習法所不能提供的情感分布信息,即各個情感標記對于樣例的描述強度。所以,本文利用標記分布學習方法解決表情識別問題。在標記分布學習法的框架下,考慮標記之間的相關性能有效解決類別不平衡的機器學習問題或者提升現(xiàn)有算法的預測效果。其中,高階相關性通常最適用于模型在現(xiàn)實中所面臨的復雜情況。但是,當標記相關性太過復雜時,還會出現(xiàn)模型因自身描述能力不夠而無法完全擬合數(shù)據集。所以,本文提出的兩個表情分布識別算法:基于局部標記相關性的情感分布識別方法（Emotion Distribution Learning based on Local Label Correlation,EDL-LLC）和按層級結構組合局部模型的標記分布學習方法（Label Distribution Learning as Hierarchy Combination of Local Models,LDL-HCLM）,通過... 

【文章來源】：東南大學江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

標記分布示意圖

的 100 個表情模特具有不同膚色不同年齡不同性別的特點，其中性占 44%。BU_3DFE 共包含 2500 張表情圖片，每個模特做 4和 1 次中立表情。該數(shù)據庫沒有提供相應的表情分數(shù)集，s-BU由 PALM 實驗室 23 個學生按 JAFFE 的方法對各基本表情進行。

以可以不對圖片源進行人臉區(qū)域劃分； JAFFE 為單純的靜態(tài)表情圖片，其背景比較簡單，沒有光照、情識別的效果，所以只是對原來 256*256 的圖片進行裁剪至 11圖片的眼睛位置基本一致即可，如下圖 3-3 所示，圖 3-3（a）是子。


本文編號：3119939