基于重引力搜索和深度学习的图像表情识别研究

• 作者: 杨芳 郭宏刚
• 来源期刊: 光学技术
• 学科: 工学
• 关键词: 深度学习 深度神经网络 重引力搜索算法 表情识别 特征选择 表达式目录树
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 光学图像处理
• 页码范围: 626-633
• 页数: 8页
• 分类号: TP394.1|TH691.9
• 语种: 中文

摘要

传统表情识别技术采用单一类型的特征表示方法,由于每个特征类型对不同数据集的表示效果存在差异,导致传统技术对不同数据集的表情识别效果也存在较大的差异.设计一种多类型混合特征的选择方案,用以提高不同数据集的表情识别准确率.将面部不同区域、不同类型的特征集作为基础特征集,利用重引力搜索算法从基础特征集中选择优化的特征子集.将优化的特征子集输入深度信念网络进行训练和半监督学习,采用训练的网络模型对表情进行识别.实验结果表明,在不同数据集条件下,采用该方法均能够保持较高的识别准确率.