多角度面部表情識別一直以來都是機器學習和計算機視覺領域的研究難點之一。傳統(tǒng)意義上的面部表情識別指的是對正面人臉表情圖片進行分類。但是現(xiàn)實中我們獲取的人臉表情圖片,大多是由不同偏轉(zhuǎn)角度的攝像機所拍攝的多角度人臉表情圖片。不同角度的相同面部表情的特征大不相同,使得計算機精確的識別多角度面部表情這項任務更具有挑戰(zhàn)性。此外,許多公開的面部表情識別算法對非限制性條件下采集的人臉圖像識別效果不佳,說明目前多數(shù)表情識別算法離實際應用仍有較大的差距。大多數(shù)的表情識別算法只是對標準正臉表情圖片通過相關算法進行分類,如果直接將正臉表情識別算法使用在多角度人臉表情識別領域,準確率會極大的降低,因為正臉表情和側(cè)臉表情的特征差異很大。針對上述問題,本文采用基于生成對抗網(wǎng)絡的算法來提高多角度面部表情識別的準確率和魯棒性。其中對于不同角度下采集的人臉表情圖片,基于遷移學習的思想,將側(cè)臉表情特征映射到正臉表情特征空間中,并且優(yōu)化了特征分類的方法。該算法能夠很好的學習正臉表情特征和側(cè)臉表情特征之間的映射關系,并且能夠從兩種角度提取人臉表情的空間特征。算法的有效性在第四章的實驗部分得到了充分的驗證。本文的研究內(nèi)容如下:（... 

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
專用術語注釋表
第一章 緒論
    1.1 課題研究的目的與意義
    1.2 遷移學習簡介
    1.3 多角度人臉表情識別研究現(xiàn)狀
    1.4 生成對抗網(wǎng)絡
    1.5 常用人臉表情數(shù)據(jù)庫
    1.6 研究內(nèi)容
    1.7 論文結構
第二章 遷移學習與生成對抗網(wǎng)絡
    2.1 遷移學習的類別
    2.2 生成對抗網(wǎng)絡原理
    2.3 基于卷積神經(jīng)網(wǎng)絡的圖像風格轉(zhuǎn)換實驗
    2.4 基于生成對抗網(wǎng)絡的側(cè)臉正臉轉(zhuǎn)換實驗
    2.5 基于生成對抗網(wǎng)絡的人臉表情轉(zhuǎn)換實驗
第三章 條件生成對抗網(wǎng)絡CGAN
    3.1 條件生成對抗網(wǎng)絡簡介
    3.2 生成器和判別器的設計
    3.3 神經(jīng)網(wǎng)絡結構
        3.3.1 U-NET結構
        3.3.2 Leaky-Relu激活函數(shù)
        3.3.3 Adam網(wǎng)絡優(yōu)化算法
    3.4 基于條件生成對抗網(wǎng)絡的多角度人臉表情識別實驗
第四章 MVFGAN網(wǎng)絡
    4.1 人臉對齊與數(shù)據(jù)預處理
    4.2 MVFGAN網(wǎng)絡結構
        4.2.1 生成器的淺層特征提取
        4.2.2 卷積神經(jīng)網(wǎng)絡的深層特征分類
    4.3 MVFGAN多角度人臉表情識別實驗
    4.4 MVFGAN和CGAN的融合實驗
        4.4.1 評估不同的融合策略
        4.4.2 跨庫測試
        4.4.3 與最先進的水平相比
第五章 總結與展望
    5.1 全文總結
    5.2 研究展望
參考文獻
附錄1 程序清單
附錄2 攻讀碩士學位期間撰寫的論文
附錄3 攻讀碩士學位期間申請的專利
附錄4 攻讀碩士學位期間參加的科研項目
致謝


【參考文獻】：
期刊論文
[1]遷移學習研究進展[J]. 莊福振,羅平,何清,史忠植.  軟件學報. 2015(01)



本文編號：3679277