小数据样本深度迁移网络自发表情分类
目的 相较于传统表情,自发表情更能揭示一个人的真实情感,在国家安防、医疗等领域有巨大的应用潜力.由于自发表情具有诱导困难、样本难以采集等特殊性,因此数据样本较少.为判别自发表情的种类,结合在越来越多的场景得到广泛应用的神经网络学习方法,提出基于深度迁移网络的表情种类判别方法 .方法 为保留原始自发表情图片的特征,即使在小数据样本上也不使用数据增强技术,并将光流特征3维图像作为对比样本.将样本置入不同的迁移网络模型中进行训练,然后将经过训练的同结构的网络组合成同构网络并输出结果,从而实现自发表情种类的判别.结果 实验结果 表明本文方法 在不同数据库上均表现出优异的自发表情分类判别特性.在开放的自发表情数据库CASME、CASMEⅡ和GAS(ME)2上的测试平均准确率分别达到了94.3％、97.3％和97.2％,比目前最好测试结果 高7％.结论 本文将迁移学习方法 应用于自发表情种类的判别,并对不同网络模型以及不同种类的样本进行比较,取得了目前最优的自发表情种类判别的平均准确率.
自发表情、迁移学习、分类、神经网络、同构网络
24
TP301.6(计算技术、计算机技术)
国家自然科学基金项目61672199,61572161;浙江省科技计划项目——2018年度重点研发计划项目2018C01030;浙江省自然科学基金项目Y1110232
2019-06-04（万方平台首次上网日期，不代表论文的发表时间）
共9页
753-761
