基于改进的Faster RCNN面部表情检测算法
针对真实环境下多目标表情分类识别算法准确率低的问题,提出一种基于改进的快速区域卷积神经网络(Faster RCNN)面部表情检测算法.该算法利用二阶检测网络实现表情识别中的多目标识别与定位,使用密集连接模块替代原始的特征提取模块,该模块能够融合多层次特征信息,增加网络深度并避免网络梯度消失.采用柔性非极大抑制(soft-NMS)改进候选框合并策略,设计衰减函数替换传统非极大抑制(NMS)贪心算法,避免相邻或重叠目标漏检,提高网络在多目标情况下的检测准确率.通过构建真实环境下的表情数据集,基于改进的Faster RCNN进行实验测试,在不同场景中能够检测出目标的面部表情,检测准确率相比原始检测模型提高5%,取得较好的检测精度.
目标检测、深度学习、表情识别、快速区域卷积神经网络、特征提取、分类识别、多目标识别、多目标定位
16
TP391.4(计算技术、计算机技术)
国家自然科学基金;广西自然科学基金;研究生教育创新项目;桂林电子科技大学研究生教育创新项目;桂林电子科技大学研究生教育创新项目
2021-07-13(万方平台首次上网日期,不代表论文的发表时间)
共8页
210-217