-
题名基于mini_Xception的动漫人物表情识别
- 1
-
-
作者
梁博文
-
机构
新疆大学
-
出处
《信息与电脑》
2023年第15期158-161,共4页
-
文摘
动漫作为一种常见的艺术形式,与现实生活有着密切的关系。艺术家通常会从现实生活中汲取灵感,并将其转化为自己的创作素材。基于传统人脸表情分类方法,首先收集并制作包含开心、生气、无表情3种情绪的数据集,其次基于mini_Xception网络训练表情识别模型并通过大量实验验证其有效性,最后总结了动漫表情识别研究存在的问题和未来发展方向,以期为动漫人物情感分析提供借鉴。
-
关键词
深度学习
mini_xception
面部表情识别
动漫表情数据集
-
Keywords
deep learning
mini_xception
facial expression recognition
anime emoticon dataset
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于轻量级神经网络的人脸表情识别研究
- 2
-
-
作者
于成成
郭芝源
-
机构
合肥师范学院计算机与人工智能学院
合肥师范学院青少年心理健康与危机智能干预安徽省哲学社会科学重点实验室
-
出处
《物联网技术》
2024年第8期49-52,共4页
-
基金
安徽省哲学社会科学重点实验室开放基金项目(SYS2023B05)
合肥师范学院2023年度引进高层次人才科研资助基金项目(2023rcjj13)。
-
文摘
表情是人与人进行情绪交流的主要媒介,人脸表情识别是计算机视觉领域的一个研究热点,在众多领域中应用广泛。目前,主流的人脸表情识别技术主要基于传统的卷积神经网络,但其网络结构复杂,参数量和计算量庞大。轻量级神经网络通过引入深度可分离卷积技术,在不影响或轻微降低识别准确率的前提下,能够大幅度缩减模型的参数量和计算复杂度。在轻量级神经网络的人脸表情识别研究中,通过构建MobileNet和mini_Xception两种轻量级神经网络模型,以传统的卷积神经网络VGG16为比较基准,分别在FER2013和CK+两个数据集上展开人脸表情识别实验。在FER2013数据集上,两个轻量级模型准确率下降了1.39个百分点和6.10个百分点,参数量却仅为VGG16的8.11%和0.15%。同样,在CK+数据集上,模型准确率分别下降了2.53个百分点和2.02个百分点,参数量分别是VGG16的9.6%和0.17%。实验结果证明了轻量级神经网络模型MobileNet和mini_Xception在人脸表情识别任务中的优越性。
-
关键词
人脸表情识别
轻量级神经网络模型
深度可分离卷积
MobileNet
mini_xception
VGG16
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的移动端表情识别系统设计
被引量:4
- 3
-
-
作者
孔英会
郄天丛
张帅桐
-
机构
华北电力大学电子与通信工程系
-
出处
《科学技术与工程》
北大核心
2020年第25期10319-10326,共8页
-
基金
中央高校基本科研业务费(2020YJ006)。
-
文摘
为了实现通过手机远程识别家居环境下家人的表情,提出了一种基于深度学习模型的移动端表情识别方法,并进行了系统设计。通过Vitamio框架获取远程视频,采用轻量级模型mini_Xception进行表情识别以适应移动端需求,将训练好的模型移植到Android手机之中,并进行了实验测试,结果表明设计的系统可实现远程表情识别,能够及时了解家人状况,为智能家居应用提供技术支持。
-
关键词
mini_xception
移动端
远程监控
Vitamio
-
Keywords
mini_xception
mobile terminal
remote monitor
Vitamio
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于表情识别技术的学生课堂状态检测
被引量:3
- 4
-
-
作者
苏悦
杨春金
王建霞
-
机构
河北科技大学信息科学与工程学院
河北太行机械工业有限公司
-
出处
《河北工业科技》
CAS
2022年第5期396-403,共8页
-
基金
河北省自然科学基金(F2018208116)。
-
文摘
为了解决在线教学模式下学生学习状态难以监测的问题,提出了利用表情识别技术对学生课堂状态进行检测的方法。首先,利用摄像头定时截取学生课堂图像,对其进行预处理,识别获取人脸数据;其次,利用表情识别方法分析学生上课状态,将人脸表情分类为7种,并再次划分为积极、消极、中性3种状态来判断学生课堂参与度与专注度;最后,将可视化数据推向教师,教师可根据学生上课状态,优化课堂教学,提高教学质量。实验过程中为了降低计算功耗,提高表情识别准确度,采用添加通道注意力机制的轻量级模型mini_Xception作为表情识别的训练网络,并使用该改进的mini_Xception网络在公开数据集Fer2013,CK+上进行训练。实验结果表明,该网络相较于ResNet-18网络在Fer2013,CK+上的识别准确率分别提高了7.97%和3.81%,且与原始mini_Xception网络和已有的几个文献的表情识别结果相比均有提高,能更好地检测到学生的学习状态和表情变化。因此,将表情识别技术应用于在线教学,可辅助教师获取屏幕前学生的课堂学习状态,并据此适时优化课堂教学,提升教学效果,对提高线上教学质量有实际的应用价值。
-
关键词
计算机图像处理
在线学习
表情识别
mini_xception
通道注意力机制
-
Keywords
computer image processing
online learning
expression recognition
mini_xception
channel attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-