融合改进韦伯特征的深度置信网络表情识别

摘要：

为改善深度置信网络运用于面部表情识别时,容易出现局部结构特征被忽视、鲁棒性差、运算量大等问题,提出融合双值韦伯局部描述子的深度置信网络算法.采用双值韦伯特征对图像进行初次特征提取,在空间分布优化传统韦伯特征的梯度方向算法,丰富局部细节纹理信息;在深度置信网络中进行二次特征提取,融合局部纹理信息的表征优势,借助深度学习在整体结构信息的提取优势,得到更易识别的高级抽象特征.实验结果表明,所提算法提高了面部表情识别率,减少了深度学习的计算量,对光照和噪音有更好的鲁棒性.

关键词：人脸表情识别、韦伯局部描述子、深度置信网络、特征提取、深度学习

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

在线出版日期：2018-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：542-546