基于深度学习的人脸情绪识别研究

本文主要针对人脸的情绪识别进行了相关研究。采集图像数据时容易受外界影响,实现人脸情绪识别仍有很大挑战,传统的特征提取和特征分类方法,主要依靠人工,精度和准确性较差。本研究采用卷积神经网络等深度学习算法,可以很好的进行图像分类。具体的,采用ResNet卷积神经网络对人脸表情进行分类,使用FER2013数据集,实验结果表明该研究具有更强的准确性和鲁棒性。

改进的EM-Xception人脸情绪识别研究

现今人类表达情感的方式极为丰富,包括面部表情、语气语调、甚至网上聊天的一个标点符号都是情感的体现,但是,面部表情是人类表达情绪最直接、最有效的方式。即使身在异地的二人,视频通话的方式也可将二人情感表达地淋漓尽致。深度学习实现人脸情绪识别一直是研究的热点方向之一,人脸情绪识别也可以广泛的应用于教育、辅助治疗、人机交互等领域。

轻量化卷积神经网络的面部表情分类研究

针对目前卷积神经网络实现面部表情分类的模型和参数较复杂、识别准确率较低的问题,本文提出了轻量化的卷积神经网络,在深度可分离卷积网络的基础上改进,引入ELU激活函数解决神经元“坏死”问题,同时轻量化模型。实验结果显示,本文所提的方法在FER2013数据集上可达到68.91%的准确率,识别效率也大大提升。