10.3979/j.issn.1673-825X.2020.05.021
深度残差网络和LSTM结合的图像序列表情识别
为了改善图像表情和图像序列表情识别效果,针对传统表情识别特征提取复杂和效果不理想问题,提出了一种深度残差网络和局部二值模式(local binary patterns,LBP)相结合的特征提取方法,利用深度残差网络提取数据集的空域特征,长短期记忆网络(long short-term memory,LSTM)处理时域特征,实现空域与时域特征的结合.研究了不同层数的残差网络、不同形式的LBP算子以及其他网络结构对人脸表情识别的影响,对比了支持向量机和随机森林实现的序列表情识别算法.在Cohn-Kanade数据集和AFEW6.0数据集上进行了验证,实验结果表明,算法在验证集上的准确率分别为73.1%和58.4%,相比其他算法有一定程度的提升.
人脸表情识别、深度残差网络、长短期记忆网络
32
TP183(自动化基础理论)
陕西省重点研发计划国际合作项目;陕西省自然科学基金
2020-10-20(万方平台首次上网日期,不代表论文的发表时间)
共10页
874-883