文档名：基于图像融合与深度学习的人脸表情识别
摘要：针对纹理特征提取方法单一及深度学习不能有效提取图像局部特征的问题,提出一种基于图像融合与深度学习的人脸表情识别方法.首先,对人脸表情图像分别提取局部二值模式(LBP)图像与韦伯局部描述符(WLD)图像;然后,将2种纹理图像进行融合作为输入图像送入改进后的残差神经网络(Res-Net)提取表情特征;将ResNet中的卷积核替换为空洞卷积,并在网络中添加改进后的注意力机制,使模型更加关注有效特征;最后,使用SoftMax进行表情分类.在JAFFE和CK+数据集上进行实验,准确率分别为97.0%与99.3%.实验结果表明,该方法能有效提高人脸表情识别的准确率.
Abstract：Aimingattheproblemthatthetexturefeatureextractionmethodissingleanddeeplearningcannoteffectivelyextractimagelocalfeatures,afacialexpressionrecognitionmethodbasedonimagefusionanddeeplearningisproposed.Firstly,thelocalbinarypattern(LBP)imageandtheWeberlocaldescriptor(WLD)imageareextractedfromthefacialexpressionimage.Then,thetwotextureimagesarefusedastheinputimageandsenttotheimprovedresidualneuralnetwork(ResNet)toextractfacialexpressionfeatures,theconvolutionkernelinResNetisreplacedwithdilatedconvolution,andanimprovedattentionmechanismisaddedtothenetworktomakethemodelpaymoreattentiontoeffectivefeatures.Finally,SoftMaxisusedforexpressionclassification.ExperimentsareperformedontheJAFFEandCK+datasets,andtheaccuracyratesare97.0%and99.3%,respectively.Theexperimentalresultsshowthatthismethodcaneffectivelyimprovetheaccuracyoffacialexpressionrecognition.
作者：焦阳阳 黄润才 万文桐 张雨Author：JIAOYangyang HUANGRuncai WANWentong ZHANGYu
作者单位：上海工程技术大学电子电气工程学院,上海201600
刊名：传感器与微系统
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2024, 43(3)
分类号：TP391.4
关键词：人脸表情识别 注意力机制 卷积神经网络 特征提取
Keywords：facialexpressionrecognition attentionmechanism convolutionalneuralnetwork(CNN) featureextraction
机标分类号：TP391.41TP183TN911.7
在线出版日期：2024年3月29日
基金项目：基于图像融合与深度学习的人脸表情识别[
期刊论文] 传感器与微系统--2024, 43(3)焦阳阳 黄润才 万文桐 张雨针对纹理特征提取方法单一及深度学习不能有效提取图像局部特征的问题,提出一种基于图像融合与深度学习的人脸表情识别方法.首先,对人脸表情图像分别提取局部二值模式(LBP)图像与韦伯局部描述符(WLD)图像;然后,将2种纹...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于图像融合与深度学习的人脸表情识别 Facial expression recognition based on image fusion and deep learning
基于图像融合与深度学习的人脸表情识别.pdf
- 文件大小:
- 360.9 KB
- 下载次数:
- 60
-
高速下载
|
