【摘 要】
:
表情识别是智能化人机交互领域中的关键技术,有助于机器更好地理解人类的情感状态和意图。其中,面向图像序列的动态表情识别凭借着时间变化关系在描述面部表情时具有更大优势,成为当前热门研究方向。但研究发现还存在着一些问题,如现有方法提取到的特征无法精确表征面部表情,易受光照变化的影响,且现有损失函数难以有效区分高相似度表情类别。因此,本文采用融合特征提取方法和改进损失函数对动态表情识别展开分析和研究。1.
论文部分内容阅读
表情识别是智能化人机交互领域中的关键技术,有助于机器更好地理解人类的情感状态和意图。其中,面向图像序列的动态表情识别凭借着时间变化关系在描述面部表情时具有更大优势,成为当前热门研究方向。但研究发现还存在着一些问题,如现有方法提取到的特征无法精确表征面部表情,易受光照变化的影响,且现有损失函数难以有效区分高相似度表情类别。因此,本文采用融合特征提取方法和改进损失函数对动态表情识别展开分析和研究。1.为获取更具辨别性的可区分特征,本文提出了一种融合特征动态表情识别方法。针对3DIR网络结构进行改进,用以提取全局深度卷积特征;同时获取面部关键区域的LBP-TOP局部纹理特征;将两种特征进行级联处理,利用特征权重(?)值来完成特征向量拼接,以便更加充分地利用两种特征,实现全局深度卷积特征和局部纹理特征的相互补充。实验结果表明,在CK+和OULU-CASIA数据集上,融合特征方法相比单一特征方法表情识别准确率明显提升,分别达到了98.12%和87.3%,且优于目前大多数主流方法。该方法能够实现更加精确、有效的动态表情识别,同时解决了模型对光照变化鲁棒性较差的问题。2.针对网络模型中损失函数出现特征类内分散、特征类间未分离的问题,本文在上述融合特征方法的基础上进一步展开研究,提出了加性余弦值间隔损失函数ACM Loss。该损失函数把优化更加集中在夹角余弦值上,充分考虑特征类间距离对分类的影响,通过添加夹角余弦值间隔m,以此优化分类界限。同时加大网络训练力度来优化输出,提升分类效果。实验结果表明,利用ACM Loss损失函数训练出的网络模型在CK+和OULU-CASIA数据集上的识别效果均得到一定程度提升,与其它损失函数相比,也具有显著优势。综合来看,融合特征方法能够让网络着重关注更具辨识性的可区分度特征,而ACM Loss则进一步优化了分类界限,针对那些高相似度表情类别特征进行了强区分,二者共同作用能更好地提升动态表情识别效果。
其他文献
<正> 咖啡是风靡世界的三大饮料之一。生咖啡豆含有糖、蛋白质和脂肪等营养物,以及少量的鞣酸、矿物质、维生素、微量元素和咖啡因等。纯咖啡因是一种白色的、带苦味的结晶体,是一种作用和缓的兴奋剂。咖啡因并不仅仅存在于咖啡之中,自然界里有63种植物里都含有咖啡因。人们食用的各种饮料、茶叶、巧克力和某些药品中也都含有咖啡因。咖啡因摄入人体后,能迅速随着血液流动,5
弹性光网络能够有效地克服传统波分复用网络粗糙粒度带宽资源划分方式以及固定不变调制格式的缺点,被广泛地认为是一个极具发展潜力的智能光网络。在弹性光网络实时通信过程中,业务量随时间变化产生波动,因此,考虑网络中业务的动态性和时变性,可以有效提高网络吞吐量和频谱利用率。与此同时,光纤承载了超大容量,网络故障的出现会给运营商以及用户带来巨大的灾难。因此,研究网络的生存性,对网络的发展与应用具有十分重要的意
风能作为二十一世纪的主要绿色能源,在非再生能源中占有举足轻重的地位。风能发电设备不断更新和发电技术水平不断提高,风能发电已成为最成熟、最具规模化发展潜力、最具商业化潜力的新能源发电技术。随着风电接入系统的比例持续增大,风电并网运行对电力系统的不利影响日益突出。因此评估风电接入的电力系统可靠性显得尤为重要,以实现风能充分利用和风能与电力系统可靠性的统一。针对风电功率预测不准确问题,本文提出了改进烟花
在线学习系统提倡因材施教,能够根据学生的知识掌握情况为其提供个性化的学习内容和学习路径。然而面对海量的试题资源,学生很容易陷入“信息迷航”的困境。因此,如何为学生推荐合适的试题是智慧教育领域亟待解决的关键难点。知识追踪能建模学生随时间不断变化的知识状态,预测学生在未来试题上的表现,为试题推荐提供决策依据。为此,本文基于深度学习提出了两种知识追踪模型用于试题推荐,一种为输入仅包含知识点信息的试题序列
智能电网是电网系统的智能化,具有应用场景广泛、业务种类繁多、传输稳定性的特点,是目前世界电力系统的发展趋势。电力线通信(Power Line Communication,PLC)因其覆盖范围广、布线简单的特点是智能电网的主要通信技术。但由于其信道特性,电力线通信存在较强的信道衰减和脉冲噪声。无线通信因布线灵活、可扩展性好的特点也成为智能电网的通信技术之一。但由于智能电网网络拓扑结构复杂,接入用电设
随着多功能移动终端的普及,智能识别、增强现实(Augmented Reality,AR)及电子医疗等新型应用逐渐向移动网络渗透。然而,由于移动用户(Mobile User,MU)的计算及缓存能力有限,难以为资源密集型应用提供高质量服务。移动边缘计算(Mobile Edge Computing,MEC)技术可解决上述问题。MEC融合了无线通信网络和云计算技术,通过在网络边缘部署MEC服务器支持MU任
短波通信以其通信距离远、技术成熟、成本低等优势使得其被广泛应用于商业、工业、军事等国民经济的各个部门。尤其在军事领域,它一直是军事作战主要的通信方式之一。而移动自组织网络的组网简单灵活、无需架设基础通信设施、自愈性强等优势,使得其和短波通信相结合形成的短波自组网具有重要的应用价值。短波自组网中节点组网需要路由协议的支持,本文以优化链路状态路由(Optimized Link State Routin
现如今,全球导航卫星系统(Global Navigation Satellite Systems,GNSS)取得了快速的发展,导航定位等功能在我们日常生活中的应用也越来越普遍,随着这些发展所带来的不仅有我们生活方面的便利,还有越来越拥挤的导航频段。为了在一定程度上缓解频段拥挤的问题,二进制偏移载波信号(Binary Offset Carrier,BOC)以及由其所产生的衍生信号随之产生,但是在解决
随着无线通信作为网络的主要接入方式所需要承载的数据量越来越大,无线频谱资源作为提升网络速率的关键因素日益紧缺。可以缓解频谱资源紧张和提高设备近距离通信速率的太赫兹通信技术受到越来越多的学者的关注。太赫兹无线个域网是一种使用太赫兹波作为通信载波进行近距离超高速通信的无线网络系统。但由于太赫兹波信号在空气中衰减严重的特性,其传输距离受到限制。太赫兹无线个域网双信道媒体接入控制(Media Access
自由空间光通信(Free Space Optical Communication,FSOC)系统容易受到大气湍流的影响,导致传输的光束产生波前畸变,影响通信质量,因此研究如何更好地补偿波前畸变对FSOC系统具有重大意义。无波前传感自适应光学(Wavefront Sensorless Adaptive Optics,WFS-less AO)是当下可以有效校正波前畸变的技术之一,它将成像清晰度或者接收