CNN深度学习模型用于表情特征提取方法探究

被引：14

作者：

张昭旭

机构：

[1] 四川大学计算机学院

来源：

现代计算机(专业版) | 2016年 / 03期

关键词：

深度学习; 卷积神经网络; Alex Net; 人脸表情识别; 特征提取;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

卷积神经网络(CNN)作为一种深度学习架构,在精确提取图像特征的同时降低模型复杂度。针对CNN在图像识别方面的优势,提出一种基于CNN的人脸表情特征提取方法。使用具有8层网络结构的Alex Net模型对融合的人脸表情图像进行特征提取,再使用支持向量机(SVM)进行分类预测。将预测结果与一些经典方法如SVM、PCA等做比较,可以发现在样本图片拍摄条件变化较大的情况下,CNN在提取图像本质特征方面有其他方法不可比拟的效果。

引用

页码：41 / 44

页数：4

共 6 条

[1] 深度学习的昨天、今天和明天 [J].

余凯 ;

贾磊 ;

陈雨强 ;

徐伟 .

计算机研究与发展, 2013, 50 (09) :1799-1804

[2] 人机交互中的人脸表情识别研究进展 [J].

薛雨丽 ;

毛峡 ;

郭叶 ;

吕善伟 .

中国图象图形学报 , 2009, (05) :764-772

[3] 人机交互的进展及面临的挑战 [J].

董士海 .

计算机辅助设计与图形学学报, 2004, (01) :1-13

[4]

深度学习在图像识别中的研究及应用.[D].李卫.武汉理工大学.2014, 04

[5]

卷积神经网络在图像识别上的应用的研究.[D].许可.浙江大学.2012, 07

[6]

ImageNet classification with deep convolutional neural networks..A. Krizhevsky;I. Sutskever;G. Hinton;.Advances in neural information processing systems.2012,

← 1 →