基于提升訓練和卷積神經(jīng)網(wǎng)絡的人臉表情識別技術(shù)研究.pdf_第1頁
已閱讀1頁，還剩44頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

1、人臉表情識別是一個具有挑戰(zhàn)性的工作，大量的研究員對它進行了研究。人臉表情識別的方法按照不同的角度有不同的分類，有基于人臉表情外觀的特征和基于人臉幾何圖形的方法，有基于圖像序列的方法和基于單圖像的方法，也有基于特征提取的方法和基于特征分類的方法。
　　本論文結(jié)合不平衡數(shù)據(jù)學習的思路，提出了提升訓練的卷積神經(jīng)網(wǎng)絡框架對人臉表情識別進行研究。論文的主要工作分為以下幾個內(nèi)容:
　　1、分析人臉表情識別不同算法的優(yōu)點和它們的局限性，研

2、究卷積神經(jīng)網(wǎng)絡的優(yōu)點，并結(jié)合針對數(shù)據(jù)不平衡的學習方法，提出了提升訓練和卷積神經(jīng)網(wǎng)絡相嵌套的框架。將此框架用于人臉表情識別，在CK+數(shù)據(jù)庫的6類表情（除中立和藐視）上最終獲得了99.1％的平均準確率。
　　2本文對真實環(huán)境下的微笑表情識別進行研究?；贚FW數(shù)據(jù)庫和使用人工標注的方法組建了LFWsmile微笑表情數(shù)據(jù)庫。在此數(shù)據(jù)庫上進行基于LBP+SVM框架的微笑識別實驗，得到81.23％的微笑識別率;在同一數(shù)據(jù)上進行基于LBP+G

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論