基于强度判断的面部情绪维度型分类的中期报告.docxVIP

基于强度判断的面部情绪维度型分类的中期报告 1. 研究背景 面部情绪分类作为人类情感表达的一种重要形式，近年来得到了广泛关注。面部情绪分类技术应用于情感分析、智能客服等领域，能够帮助机器人更好地与人类进行交互。传统的面部情绪分类大都基于朴素贝叶斯、支持向量机等机器学习算法，且绝大多数基于离散型情绪维度的分类，如喜怒哀乐等。但是，传统的面部情绪分类存在一些问题，如对复杂情境的适应性差，对情感强度的表达不敏感等。因此，本研究旨在基于强度判断的面部情绪维度型分类。 2. 研究内容 本研究拟采用卷积神经网络（CNN）进行面部情绪分类。CNN能够自动提取特征，适合进行分类任务，已在图像处理领域得到广泛应用。本研究将探究如何构建适合面部情绪分类的CNN模型，以及如何利用深度学习中的注意力机制等技术，在强度判断方面进行优化。具体研究内容如下： （1）数据集构建：本研究将构建一个中文人脸情绪数据库，包括高质量的标注数据和优秀的数据清洗策略。 （2） CNN模型构建：本研究将通过多种卷积神经网络结构，如ResNet、Inception等，构建适合面部情绪分类的CNN模型。同时，本研究将探索如何利用CNN中的自注意力机制、通道注意力机制等，增强模型对情感强度的判断能力。 （3）实验分析：本研究将在构建好的数据集上进行大量的实验分析，从多个角度对CNN模型的性能进行评价分析，如识别准确率、对不同情感强度