基于VGG-16的电商评论图像审核

如今互联网电商平台中用户对于购买商品上传的点评图片质量参差不齐,影响其他用户的购物体验和对于商品质量的判断,电商公司通常通过人工审核来规避这种情况,然而大量的上传图片数据需要大量的人力进行运营审核,针对平台当前审核成本过高的问题,本文设计了一种基于VGG-16卷积神经网络的电商评论图像分类模型,并采用随机梯度下降算法、防止过拟合技术来改进模型,通过迁移学习方法对评论图片进行识别分类从而实现评论图像的自动审核。实验结果显示,本研究模型相比其他传统网络模型效果更好,具有很高的识别精度、鲁棒性和泛化能力,可以准确快速完成对评论图像的分类筛选,且具有一定的扩展性。

基于积分投影和LSTM的微表情识别研究

现有的微表情识别研究主要是利用基于局部二值模式(LBP)改进的算法并结合支持向量机(SVM)来识别。最近,积分投影开始应用于人脸识别领域。长短时记忆网络(LSTM)作为循环神经网络,可以用来处理时序数据。因此提出了结合积分投影和LSTM的模型(LSTM-IP),在最新的微表情数据库CASME II上进行实验。通过积分投影得到水平和垂直投影向量作为LSTM输入并分类,同时采用了防止过拟合技术。实验结果表明,LSTM-IP算法取得了比以前的方法更好的精度。