一种基于改进残差神经网络的人脸表情识别方法.pdf
猫巷****熙柔
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于改进残差神经网络的人脸表情识别方法.pdf
本发明属于图像识别技术领域,公开了一种基于改进残差神经网络的人脸表情识别方法,包括如下步骤:步骤1:数据预处理;步骤2:构建基于改进残差神经网络的人脸表情识别模型;步骤3:对人脸识别模型进行迭代训练;步骤4:基于训练好的人脸表情识别模型获取人脸表情识别结果。本发明基于残差思想设计了两种残差模块,防止了网络退化问题的出现。本发明引入了Inception模块,解决了特征提取不够丰富的问题。本发明使用了较新的Mish激活函数替换了常用的ReLu激活函数,进一步提高了模型的鲁棒性,提高了人脸表情识别的精度。本发明
基于脉冲神经网络的人脸表情识别方法、存储介质及设备.pdf
本发明公开了一种基于脉冲神经网络的人脸表情识别方法、存储介质及设备,该人脸表情识别方法包括:收集人脸表情RGB图像,进行表情类别标注和分类;将分类的人脸表情RGB图像进行灰度化处理,得到分类的灰度图像;构建局部递归的脉冲神经网络模型,将灰度图像依次输入到脉冲神经网络模型中进行训练,直至达到最大迭代次数,完成对脉冲神经网络模型的训练;将待识别的人脸表情RGB图像进行灰度化处理后,输入训练好的脉冲神经网络模型中,预测出人脸表情的识别结果。该人脸表情识别方法以脉冲神经网络模型为基础,利用延迟相位编码策略转换为脉
一种基于密集残差神经网络的字符识别方法.pdf
本发明公开了一种基于密集残差神经网络的字符识别方法,通过充分利用所有卷积层的分层特征来增强密集神经网络的局部和全局特征学习能力,进而捕获深层次的结构特征,用于字符识别。本发明保留原始密集残差块的局部特征融合和残差操作,以保证局部特征的学习能力,同时将特征的串联操作改为求和操作,进而减少内部层的计算工作量。在完全捕获局部密集残差特征之后,本发明通过模仿密集块的构造,以整体方式自适应地学习全局密集残差特征,利用求和运算和几个改进的密集残差块来构造一个称为全局密集块的新块。通过仿真实验,验证了本发明方法可有效提
一种改进MobileNet模型的人脸表情识别方法.pdf
本发明提出一种改进的MobileNet网络模型,在保留MobileNet轻量级整体结构的情况下,结合人脸表情识别的特点,进一步精简网络,使网络接收48*48的单通道灰度图片。为了减少网络计算量,保留了MobileNetV1模型中的深度可分离卷积层。同时为了解决在深度卷积层后引入非线性激活函数可能会导致信息丢失的问题,本发明在深度卷积层后直接舍弃非线性激活函数,采用MobileNetV2中提到的线性输出。网络模型使用了线性支持向量机进行人脸表情分类网络模型。最终本发明网络模型参数较MobileNetV1及M
一种基于区域自注意力卷积神经网络的人脸表情识别方法.pdf
本发明请求保护一种基于区域自注意力卷积神经网络的人脸表情识别方法,属于模式识别与计算机视觉技术领域包括以下步骤:首先,利用VGG16网络提取输入图像的深度全局特征,在提取特征的同时保留面部表情的全局信息。其次,通过设计的区域局部多值模式与改进的K‑means算法对像素进行动态聚类,保证表情变化区域特征的鲁棒性,并将二值模式扩展到多个模式,整合区域内像素间的灰度差信息,增强纹理描述。此外,通过自注意机制形成区域权值,并使用秩正则化损失约束不同区域的权值。最后,将加权特征与深度网络提取的特征相结合,增强特征的