基于多任务深度卷积神经网络的人脸/面瘫表情识别方法 |
| |
引用本文: | 彭先霖,张海曦,胡琦瑶.基于多任务深度卷积神经网络的人脸/面瘫表情识别方法[J].西北大学学报,2019(2):187-192. |
| |
作者姓名: | 彭先霖 张海曦 胡琦瑶 |
| |
作者单位: | 西北工业大学电子信息学院;西北大学信息科学与技术学院 |
| |
摘 要: | 由于人类个体面部形态各种各样,使得不同人在表达同一感情时有可能产生较大的视觉差异,为了减弱这种内类视觉差异性对人脸表情识别产生的影响,该文提出一种分层多任务学习的人脸表情识别方法,该方法以现有深度卷积神经网络模型为基础,构造双层树分类器以替换输出层的平面softmax分类器,构建深度多任务学习框架,通过利用人脸表情标签和人脸标签共同学习更具辨识力的深度特征,将知识从相关人脸识别任务中迁移过来,从而减弱面部形态对表情识别的影响,提高表情识别性能。实验结果表明,相较于VGGnet,Googlenet和Resnet深度模型,文中提出的方法均提高了人脸表情识别率,且成功推广到面瘫表情识别问题中。
|
关 键 词: | 表情识别 人脸识别 面瘫表情识别 深度卷积网络 多任务学习 |
Facial/paralysis expression recognition based on multitask learning of deep convolution neural network |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|