文档名：多流残差网络结合改进SVM模型的面部表情识别
摘要：针对人脸面部表情特征复杂且目标较小,导致大量人工智能算法难以稳定识别的问题,提出一种多流残差网络结合改进支持向量机(supportvectormachine,SVM)模型的面部表情识别方法.该方法由信息增强、表情特征提取和表情分类三阶段组成.首先,提出自适应多流信息增强模块,突出图像关键信息,提升特征关联程度;其次,提出残差交互融合模块,提取特征图像的空间信息并突出面部表情特征,输出3条不同尺度的特征图像保证后续稳定识别;最后,对3条特征图像使用改进后的SVM进行表情分类,输出识别结果.实验结果表明:所提方法在CK+、FER2013及JAFFE数据集上的准确率分别达到98.57%、77.28%、96.24%,均优于对比的经典及新颖算法,为AI表情识别领域提供了新思路.
作者：郝秉华 吴华Author：HAOBinghua WUHua
作者单位：内蒙古财经大学计算机信息管理学院,呼和浩特100010
刊名：重庆理工大学学报 PKU
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2023, 37(21)
分类号：TP391
关键词：深度学习 表情识别 支持向量机 交互残差 信息增强
Keywords：deeplearning expressionrecognition supportvectormachine interactiveresidual informationenhancement
机标分类号：TP391.41U471.1R446.11
在线出版日期：2023年12月18日
基金项目：国家自然科学基金，内蒙古自治区自然科学基金项目多流残差网络结合改进SVM模型的面部表情识别[
期刊论文] 重庆理工大学学报--2023, 37(21)郝秉华 吴华针对人脸面部表情特征复杂且目标较小,导致大量人工智能算法难以稳定识别的问题,提出一种多流残差网络结合改进支持向量机(supportvectormachine,SVM)模型的面部表情识别方法.该方法由信息增强、表情特征提取和表情分类...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
多流残差网络结合改进SVM模型的面部表情识别 Multi-stream residual network combined with improved SVM model for facial expression recognition
多流残差网络结合改进SVM模型的面部表情识别.pdf
|
|
