基于改进MobileNetN表情识别算法的研究与应用.pdf

目录

第一章绪论1

1.1研究背景及意义1

1.1.1人脸表情识别算法研究背景及意义1

1.1.2轻量级卷积神经网络研究背景和意义2

1.2研究现状3

1.2.1人脸表情识别研究现状3

1.2.2轻量级卷积神经网络研究现状6

1.3研究内容及创新点7

1.4论文组织结构8

第二章相关理论技术研究10

2.1神经网络算法与深度学习理论基础10

2.2卷积神经网络基础12

2.2.1卷积层13

2.2.2池化层14

2.2.3全连接层14

2.3人脸表情识别算法流程15

2.3.1人脸表情数据采集15

2.3.2特征提取16

2.3.3表情的分类17

2.4基于深度学习的表情识别方法18

2.5SCN表情识别算法18

2.5.1自注意重要性加权模块18

2.5.2排序正则化模块19

2.5.3噪声重标记模块19

2.6本章小结20

第三章基于MobileNetV2特征提取的SCN表情识别算法研究...21

3.1问题描述21

3.2MobileNetV2卷积神经网络21

3.3CA注意力机制23

3.4全局逐深度卷积代替全局平均池化层26

3.5MSCN轻量级表情识别模型设计26

3.6实验结果与分析28

3.6.1实验环境和数据集28

3.6.2实验一:消融实验29

3.6.3实验二:对比实验30

3.6.4实验三:特征可视化分析31

3.6.5实验四:计算量参数量对比实验32

3.7本章小结33

第四章基于微信小程序的人脸表情识别系统34

4.1系统可行性分析34

4.2系统需求分析35

4.3开发环境说明35

4.4系统设计36

4.4.1系统架构设计36

4.4.2交换数据模式37

4.5MSCN小程序使用流程38

4.6本章小结38

第五章系统应用与测试39

5.1测试概述39

5.2功能测试40

5.2.1人像采集模块测试40

5.2.2微信小程序功能测试40

5.3性能测试40

5.3.1MSCN对各类表情的测试40

5.3.2MSCN对不同人脸姿势和面部遮挡的测试41

5.3.3MSCN对高或低分变率图像的测试42

5.3.4MSCN识别时间测试43

5.4本章小结43

结论44

1.论文总结44

2.研究展望45

参考文献46

摘要

摘要

机器学习和深度学习的发展给人脸表情识别研究带来了空前的发展机遇，在

深度神经网络算法的应用结合下人脸表情识别获得了骄人的成果。现阶段人脸图

像和视频识别任务大多是基于卷积神经网络进行特征提取的。然而，深度神经网

络在实际应用中存在计算量大、模型参数多等问题，对于嵌入式设备、移动端设

备等资源受限的场景，其应用受到了较大的限制。因此，轻量级卷积神经网络的

研究以及轻量级卷积神经网络在人脸表情识别算法中的应用具有重要意义。

本研究针对卷积神经网络的轻量化和人脸表情识别技术进行研究。利用自修

复网络(Self-CureNetwork，SCN)表情识别算法的优势，采用改进的

MobileNetV2做人脸表情图像的特征提取网络。调整MobileNetV2的网络层结构；

在模型中嵌入CA(CoordinateAttention)注意力机制增强模型对重要特征的学习；

采用全局逐深度卷积(globaldepthwiseconvolution，GDConv)代替全局平均池化

层；调整深度卷积(DW)的卷积核大小；