【摘 要】
:
近年来,计算机科学技术飞速发展,深度神经网络随之兴起,基于人脸图像的识别技术已经成为一个研究热点,引来国内外学者的关注。而面部表情承载着人类的情绪状态,是人类表达自己最强大的信号之一,因此,表情识别技术研究有着非凡意义和广泛的应用前景。然而,在复杂场景下的人脸图像模糊、冗余信息的干扰、表情的相似性等问题,会造成表情识别不准确,且实际应用效果也会受到很大影响。针对这些缺陷,本文开展了基于深度学习的表
论文部分内容阅读
近年来,计算机科学技术飞速发展,深度神经网络随之兴起,基于人脸图像的识别技术已经成为一个研究热点,引来国内外学者的关注。而面部表情承载着人类的情绪状态,是人类表达自己最强大的信号之一,因此,表情识别技术研究有着非凡意义和广泛的应用前景。然而,在复杂场景下的人脸图像模糊、冗余信息的干扰、表情的相似性等问题,会造成表情识别不准确,且实际应用效果也会受到很大影响。针对这些缺陷,本文开展了基于深度学习的表情识别算法的相关研究工作,具体包括:设计并实现了一种基于注意力机制的表情识别算法,在Resnet基本网络结构下,加入轻量卷积注意力模块,捕捉表情特征信息,减少人脸冗余信息的干扰;引入孤岛损失设计融合损失函数进行分类,优化类内和类间距离,使网络能够学习到更具判别性的特征,提高表情区分度。与现有的表情分类主流算法相比,该算法能自适应性获取有用信息,并强制类分离,客观评价指标有一定优势。在FER2013上的实验结果表明,本文算法准确率为73.85%,高于Resnet网络的71.23%。实现了一种低分辨率人脸图像表情识别算法。在对低分辨率人脸图像进行表情识别的过程中,针对传统的基于插值的上采样方法并不能很好的恢复下采样过程中丢失的高频信息进而导致识别效果不理想的问题,本算法采用SRFBN网络对人脸图像进行超分辨率复原,SRFBN网络采用回传机制来提高超分辨率的效果,且没有引入过多参数;采用课程学习策略,由易到难地进行学习,解决多重降质问题,能有效提高人脸图像分辨率;最后将超分后的图像输入SCN网络中,通过自注意力重要性加权模块、排序正则化等模块实现表情分类,该算法能很好的保留甚至复原图像的细节信息,有利于表情识别网络的特征提取,解决了实际应用场景中人脸图像分辨率低影响表情识别的问题,大大提高了识别准确率,并且在RAF-DB数据集上的实验证明了算法的有效性。设计并实现了一种面部表情识别原型系统验证算法性能。基于本文设计的表情识别算法,使用PyQT编写界面,开发面部表情识别原型系统,能够完整实现对静态图像或者摄像头采集的人脸图像的人脸检测与定位,图像的超分辨率预处理、特征提取及表情分类,分类结果及细节信息(分类耗时、其余表情概率)的界面展示。
其他文献
齿轮箱是一种常见的旋转类机械元件,在工程领域扮演着重要的角色。它的健康运行离不开为其提供结构支撑和动力传递的轴承和齿轮。由于受到复杂因素和恶劣环境的影响,这些组件也是旋转机械中的易损部分。一旦轴承或齿轮出现故障,很可能会对整个机械设备造成损坏,导致更严重的后果。当一种单独的故障独发于某一部件时,其可视其为“单故障”情景。实际上,由于故障的蔓延性和结构的相关性,“复合故障”情景更频发于现实情况中。但
有机太阳能电池(OSC)由于便携,柔性,可大面积制备等多种优点,已经受到越来越多的关注。在有机太阳能电池中,给体与受体材料对于整个器件性能至关重要,通常可以利用有机结构设计的灵活性,调整烷基链、共轭长度以及特殊官能团等达到对有机太阳能电池效率,稳定性等多个方面的提升。经过多年的发展,尽管有机太阳能电池的光电转换效率取得较大突破,但是其稳定性以及复杂的合成步骤一致是其商业化过程中需要克服的难题。本论
脉络膜是位于视网膜与巩膜之间的血管结构,负责为外视网膜输送氧分与其它物质。脉络膜形态结构的变化与多种疾病的病理过程存在相关性,包括全球不可逆致盲的首要病因——年龄相关性黄斑病变、和第二大病因——青光眼等。光学相干断层扫描(OCT)是一种非侵入的三维成像技术,可以获得高分辨率的眼底图像,现已成为眼科检查的重要手段。然而,OCT一次成像可生成大量二维断层扫描图,阅片过程耗时长,且诊断结果的准确性高度依
太阳能海水淡化是一项能够同时解决“能源危机”与“淡水危机”两大难题的绿色可持续技术。近年来,开发高效光热转换的材料和高能量利用率的结构装置是提高太阳能-水蒸发速率的主要手段。影响水蒸发速率的因素主要有温度、水/空气界面面积和环境中水的蒸汽压(即相对湿度),在不考虑环境因素的情况下,静态光热水蒸发时温度主要取决于材料的光热转换效率和热能利用率,水与空气的界面面积则依赖于装置的结构。然而,目前的研究多
酯类基础油是一种高性能、多功能和环保的高端合成油,且随着主链长度和侧链数目增加,酯类基础油的粘度和粘度指数显著提高。因此酯类基础油具有很大的发展潜力,例如性能优异的三羟基丙烷酯和季戊四醇酯已经被大规模的应用,但是这些酯类的原料大都来自石油基产品。而从生物质出发制备的酯类润滑油基础油由于具有良好的生物降解性、可再生性和绿色环保的特点,被认为是优异的下一代润滑油基础油。5-羟甲基糠醛(HMF)可以通过
无线传感器网络(Wireless Sensor Network,WSN)是由随机部署在特定区域中的大量传感器组成,通过无线媒介进行监测和相互通信。WSN不依赖于任何固定设施,可以及时和全面地在无人值守的环境下采集、聚合数据信息,进而受到越来越多的关注。它覆盖了各种应用领域,包括环境监测、健康医疗、国防军事、农业生产和智能家居等。但是,WSN存在于一个开放和协作的环境当中,网络本身存在许多安全漏洞,
机器人示教学习是机器人操作技能学习的一种方式。未来,机器人将成为人类社会生活不可缺少的一部分,机器人也将会被要求完成难度更高的任务,使用传统的示教编程方法将会极大地增加机器人工程师工作负担。为了提高机器人在复杂任务场景下的适应能力,减少机器人工程师的手动编程的工作量,需要机器人具有自我学习能力,能够从任务示教的过程中学习任务技能与动作技巧,并将其推广到新的任务场景。本文主要针对机器人示教学习领域中
含硒化合物和含硫化合物广泛存在于天然产物、药物、农药和材料之中,因此开发简单有效的构建C-Se键和C-S键的合成方法一直是化学家们研究的热点,数十年来已经发展出了诸多可靠的策略。但这些方法通常需要一些较为苛刻的条件如高温、预先官能团化的底物或严格的无水无氧条件等。其中,过渡金属催化的C-H活化策略由于避免了底物的预先官能团化步骤而备受青睐。然而,这类策略通常面临两个主要问题,一是如何高选择性地活化
在现实中,图像的获取过程往往受相机质量、成像环境等条件限制,产生低质量图像,或在图像传输中出现失真。而这些图像会极大地制约用户或者图像检测算法获取图像中信息的能力。对低质量图像进行增强,将其转化为高质量图像,有着广阔的应用前景。本课题是基于生成对抗神经网络开展的图像增强算法研究,将生成对抗神经网络应用于水下图像增强和屏幕内容图像增强两个方面。主要工作如下:(1)首先总结了现有水下图像增强研究中主流
随着对时效镁合金的室温变形过程研究的深入,不可避免地要涉及如何认清析出相与变形孪晶交互作用实质这一关键性问题。由于目前对镁合金中分布密度不同、形态各异的析出强化相的认知还不具有统一性,加之镁合金中变形孪生模式的多样性以及孪生机制的复杂性,因而对变形孪晶与析出相之间的相互作用关系尚不明确。一直以来这都是一个值得关注却难以解决的重要问题。揭示镁合金中变形孪晶在析出相存在条件下的生长、孪晶与析出相的相互