基于卷積神經(jīng)網(wǎng)絡(luò)的人臉表情和性別識(shí)別

《基于卷積神經(jīng)網(wǎng)絡(luò)的人臉表情和性別識(shí)別》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、密級(jí)：保密期限：導(dǎo)殘乂榮碩±學(xué)位論文基于卷積神經(jīng)網(wǎng)絡(luò)的人撿表情和性別識(shí)別ＦａｃｉａｌＥｘｐｒｅｓｓｉｏｎａｎｄＧｅｎｄｅｒＲｅｃｏｇｎｉｔｉｏｎＢａｓｅｄｏｎＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋｓ學(xué)號(hào)Ｐ１３２０１０９６姓名產(chǎn)文濤學(xué)位類別工學(xué)碩±？與信左ＳＳ蓋信號(hào)，富處理指導(dǎo)教師屈磊教授完成時(shí)間２０１６年５月客黛茲游獲＇’－＇．：：．Ｖ．．－４＾、：＂：；茜請(qǐng)斟巧｛；：獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文

2、是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的＾１，。據(jù)我所知義標(biāo)注和致謝的地方外論文中不包含其研究成果，除了文中特別加他人己經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果，也不包含為獲得安徽大學(xué)或其他教育機(jī)構(gòu)的一學(xué)位或證書(shū)而使用過(guò)的材料。與我同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示謝意。學(xué)位論文作者簽葦：簽字曰期：〇年＾只曰）（矣＾學(xué)位論文版權(quán)使用授權(quán)書(shū)本學(xué)位論文作者完全了解安徽大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國(guó)家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和磁盤(pán)，允許論文被查閱和借閱。本人授權(quán)安徽大

3、學(xué)可レ義將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可Ｌ義采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。（保密的學(xué)位論文在解密后適用本授權(quán)書(shū)）學(xué)位論文作者簽卷：導(dǎo)師簽名：＇簽字曰期：＞年月曰簽字曰期：年月曰１火（＞Ｗ王ｊ谷ｙ安徽大學(xué)碩古學(xué)位論文摘要城巧懶巧人臉包含性別、表情、身份、年齡等大量信息，在公共社會(huì)安全、經(jīng)濟(jì)財(cái)產(chǎn)安全、軍事、反恐刑偵、人機(jī)交互等電子信息安全領(lǐng)域發(fā)展的迫切驅(qū)動(dòng)下，人臉表情和性別識(shí)別技術(shù)已經(jīng)成為一項(xiàng)極具發(fā)展?jié)摿Φ那把丶夹g(shù)，也是當(dāng)前計(jì)算機(jī)視、覺(jué)領(lǐng)域的研究熱點(diǎn)。讓計(jì)

4、算機(jī)具有人的智能，代替人類進(jìn)行記憶識(shí)別，實(shí)現(xiàn)真正的智能時(shí)代具有十分重要的應(yīng)用價(jià)值。然而人臉表情和性別識(shí)別技術(shù)也是計(jì)算機(jī)視覺(jué)領(lǐng)域的難點(diǎn)所在，其主要原因是人臉圖像在獲取過(guò)程中，受到光照、表情、一姿態(tài)、遮擋物等環(huán)境因素Ｗ及拍攝行為等因素的影響。因而，個(gè)出色的人臉表情和性別識(shí)別算法應(yīng)該對(duì)這些因素不敏感。卷積神經(jīng)網(wǎng)絡(luò)是一種新型的神經(jīng)網(wǎng)絡(luò)，它將傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)技術(shù)相結(jié)合，具有局部感受野區(qū)域、層次結(jié)構(gòu)化、特征提取和分類過(guò)程相結(jié)合的，在圖像處理領(lǐng)域取得了巨大的成功全局訓(xùn)練特點(diǎn)。卷積神經(jīng)網(wǎng)絡(luò)主要有兩個(gè)特一一性，第個(gè)

5、是神經(jīng)元之間采用局部連接策略，第二個(gè)是同層之間的神經(jīng)元權(quán)值共享，采取局部連接和權(quán)值共享的網(wǎng)絡(luò)結(jié)構(gòu)降低了模型本身的復(fù)雜度，減少了需要訓(xùn)練的參數(shù)個(gè)數(shù)，這種網(wǎng)絡(luò)結(jié)構(gòu)可Ｗ獲得某種程度上的平移、尺度和形變不變性。本論文的主要工作如下：１、首先系統(tǒng)的闡述了當(dāng)前人臉表情識(shí)別和性別識(shí)別的國(guó)內(nèi)外研究現(xiàn)狀，概述了深度學(xué)習(xí)的起源Ｗ及取得的一些成果。然后介紹了神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程，著重介紹了卷積神經(jīng)網(wǎng)絡(luò)的算法原理和經(jīng)典的網(wǎng)絡(luò)結(jié)構(gòu)。２、本論文主要研究了基于卷積神經(jīng)網(wǎng)絡(luò)下的人臉表情和性別識(shí)別。針對(duì)表一情識(shí)別，首先根據(jù)人臉表情任務(wù)的特點(diǎn)

6、ｅｘＮｅ，修改了Ａｌｔ網(wǎng)絡(luò)結(jié)構(gòu)，設(shè)計(jì)了個(gè)新的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并在網(wǎng)絡(luò)中添加了批規(guī)范化層使得準(zhǔn)確率有３％左右，的提升，，；然后根據(jù)表情識(shí)別采用的數(shù)據(jù)集樣本數(shù)量采用了微調(diào)的訓(xùn)練機(jī)制在ＧｏｏｇＬｅＮｅｔ上，與從頭訓(xùn)練的方式相比，準(zhǔn)確率有了２％左右的提升，并且在使用ＶＧＧＮｅｔ進(jìn)行微調(diào)時(shí)，準(zhǔn)確率達(dá)到了最高的７１．２７％，證明了針對(duì)本文使用的數(shù)據(jù)集，微調(diào)的策略優(yōu)于重新訓(xùn)練在利用ＧｏｏｅＮｅｔ，；ｇＬ進(jìn)行微調(diào)實(shí)驗(yàn)時(shí)還比Ｉ安徽大學(xué)碩±學(xué)位論文基于卷積神經(jīng)網(wǎng)絡(luò)的人臉表情和性別識(shí)別較了Ｈｉｎｇｅ損失函數(shù)和Ｓｏｆｔｍａ

7、ｘ損失函數(shù)的性能，發(fā)現(xiàn)后者優(yōu)化前者；最后針對(duì)一，，現(xiàn)在的研究趨勢(shì)，設(shè)計(jì)了個(gè)多網(wǎng)絡(luò)來(lái)進(jìn)行融合通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)在較小的數(shù)據(jù)ｔ，多網(wǎng)絡(luò)的性能比單網(wǎng)絡(luò)差ｅ，集上。針對(duì)性別識(shí)別，在ＹＧＧＮ的基礎(chǔ)上設(shè)計(jì)一了個(gè)３層的卷積神經(jīng)網(wǎng)絡(luò)，在ａｄｉｅｎｃｅ數(shù)據(jù)集上，準(zhǔn)確率達(dá)到了９０．８２％，在ｍｙｇｅｎｄｅｒ數(shù)據(jù)集上準(zhǔn)確率達(dá)到了９７．１０％；然后利用ＹＧＧＮｅｔ在ｍｙｇｅｎｄｅｒ數(shù)據(jù)集上進(jìn)行微調(diào)，準(zhǔn)確率達(dá)到了９９．４４％。３、本文使用卷積神經(jīng)網(wǎng)絡(luò)在人臉表情和性別數(shù)據(jù)集上訓(xùn)練得到的模型，然后在Ｗｉｎｄｏｗｓ７平臺(tái)上利用出化和Ｃａｆｅ等

8、工具搭建了人臉表情和性別識(shí)別系統(tǒng)，可Ｗ用該系統(tǒng)實(shí)時(shí)準(zhǔn)確地進(jìn)行檢測(cè)識(shí)別，并對(duì)接下來(lái)的工作進(jìn)行了展望。關(guān)鍵詞：卷積神經(jīng)網(wǎng)絡(luò)；微調(diào)；表情識(shí)別；性別識(shí)別ＩＩ安徽大學(xué)碩ｊ：