- 1、本文档共72页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
单位代码:10293密级:公开
专业学位硕士论文
论文题目:基于卷积神经网络的人脸表情识别研究
学号1216012422
姓名周本君
导师胡晓飞
专业学位类别工程硕士
类型全日制
专业(领域)电子与通信工程
论文提交日期二零一九年四月
(C)1994-2020ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.
ResearchonFacialExpressionRecognition
BasedonConvolutionalNeuralNetwork
ThesisSubmittedtoNanjingUniversityofPostsand
TelecommunicationsfortheDegreeof
MasterofEngineering
By
BenjunZhou
Supervisor:Prof.XiaofeiHu
April2019
(C)1994-2020ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.
南京邮电大学学位论文原创性声明
本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。
与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。
本人学位论文及涉及相关资料若有不实,愿意承担一切相关的法律责任。
研究生学号:研究生签名;日期:
南京邮电大学学位论文使用授权声明
本人承诺所呈交的学位论文不涉及任何国家秘密,本人及导师为本论文的涉密责任并列
第一责任人。
本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档;允许论文被查阅和借阅;可以将学位论文的全部或部分内容编入有关数据库进行检索;可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质论文
的内容相一致。论文的公布(包括刊登)授权南京邮电大学研究生院办理。
非国家秘密类涉密学位论文在解密后适用本授权书。
研究生签名:导师签名:日期:
(C)1994-2020ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.
摘要
随着模式识别以及机器视觉的不断发展,人脸表情识别也逐渐成为一个热门的研究课题,它是通过对人脸面部表情进行特征提取与分类,判别人脸的表情,目前在人机交互、安全驾驶、智能监控以及案件侦测等领域,都有广泛的应用,具有重要的研究价值。传统的人脸表情识别方法识别精度低、泛化能力弱,但随着深度学习尤其是卷积神经网络的发展,人脸表情识别技术也得到了快速发展,识别精度大幅提高。本文研究了基于卷积神经网络的人脸表
情识别方法,主要的研究工作如下:
(1)通过手动采集及爬虫技术收集人脸面部表情数据集,然后对这些数据集进行预处理
作为输入网络的数据,同时,介绍了经典的AlexNet网络的结构,特别是其每一层的参数,
利用人脸表情图像来训练和测试AlexNet网络,测试的人脸表情识别的精度为74.91%。
(2)分析了AlexNet网络的缺陷,以及针对经典的AlexNet网络训练和测试人脸表情图像的识别精度低的问题,本文对经典的AlexNet网络做了进一步的改进,主要包括三个部分:引入了多通道卷积、全局平均池化以及批量归一化。利用人脸表情图像来训练和测试改进之后的AlexNet网络,最终测试的数据集的精度为88.15%,相
文档评论(0)