基于改进卷积神经网络的人脸表情识别方法研究.pdfVIP

目录

摘要I

ABSTRACTIII

第一章绪论1

1.1研究背景和意义1

1.2国内外研究现状3

1.2.1基于传统机器学习方法3

1.2.2基于深度学习方法7

1.3论文研究内容13

1.4论文的结构安排14

第二章深度学习与人脸表情识别相关基础15

2.1神经网络基本原理15

2.1.1反向传播算法15

2.1.2网络训练过程16

2.2卷积神经网络基本结构17

2.2.1卷积层17

2.2.2池化层18

2.2.3激活函数18

2.2.4全连接层20

2.3人脸表情识别基础理论知识20

2.3.1人脸表情识别特征提取方法20

2.3.2人脸表情分类23

2.3.3人脸表情数据集25

2.4本章小结27

第三章基于注意力机制的表情识别方法28

3.1ResNet网络29

3.2迁移学习30

3.3CBAM混合注意力30

3.4可变形卷积32

3.5基于注意力机制的表情识别框架34

3.6实验及结果分析35

3.6.1数据集35

3.6.2实验中环境及参数设置35

3.6.3模型评价指标36

3.6.4实验过程36

3.7本章小结40

第四章结合注意力特征融合的八度卷积表情识别方法42

4.1AFF注意力特征融合模块42

4.2改进的八度卷积模块44

4.2.1八度卷积44

4.2.2深度可分离卷积45

4.2.3BN批量归一化层47

4.2.4PReLU激活函数48

4.2.5改进的八度卷积块48

4.3联合损失函数49

4.4表情识别模型框架50

4.5实验与结果分析51

4.5.1数据集51

4.5.2分析对比51

4.5.3消融实验55

4.6本章小结56

第五章人脸表情识别系统的设计与实现57

5.1系统设计与实现57

5.2人脸检测模块58

5.3人脸表情识别模块60

5.4系统界面与环境配置60

5.5系统实验及分析63

5.5.1图片表情识别63

5.5.2动态视频和实时检测表情识别66

5.6本章小结67

第六章总结与展望68

6.1总结68

6.2展望69

参考文献71

致谢84

攻读硕士学位期间主要研究成果85

贵州师范大学学位论文原创性声明86

贵州师范大学学位论文使用授权书86

摘要

人类情感表达是交流和理解的核心组成部分，而人脸表情作为其

中最直观的表达方式之一，吸引了广泛的研究兴趣。随着计算机视觉

和深度学习技术的快速发展，人脸表情识别成为人机交互和情感理解

的重要研究领域。本文聚焦于人脸表情识别技术的发展，提出了基于

深度学习的人脸表情识别方法。通过对比传统方法和深度学习方法，

在面部特征提取和分类准确度方面进行了实验验证。研究结果表明，

深度学习方法在人脸表情识别任务中具有更高的效率和准确性。本文

还设计了两种优化网络结构，并构建了一套实时人脸表情识别系统，

为实际应用提供了可行的解决方案。这项研究对于推动人机交互、情

感理解以及相关领域的发展具有重要意义。本文的研究内容包含以下

三个方面：

(1)本研究提出了一种在面部表情识别中增强网络特征提取能力

的新方法。本文使用了基于迁移学习的残差网络，以ResNet18为基

础架构，并通过迁移学习来初始化网络权重，以提高模型在有限数据

集上的训练