基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为进一步提高人脸表情识别的准确率,提出一种融合全局与局部特征的深度卷积神经网络算法(GL-DCNN).该算法由两个改进的卷积神经网络分支组成,全局分支和局部分支,分别用于提取全局特征和局部特征,对两个分支的特征进行加权融合,使用融合后的特征进行分类.首先,提取全局特征,全局分支基于迁移学习,使用改进的VGG19网络模型进行特征提取;其次,提取局部特征,局部分支采用中心对称局部二值模式(CSLBP)算法进行第一次特征提取,得到原始图像的局部纹理信息,将其输入到浅层卷积神经网络进行第二次特征提取,使其自动提取出与表情相关的局部特征;再次,采用两个级联的全连接层对两个分支的特征进行降维,为其分配不同权重,进行加权融合;最后,采用softmax分类器进行分类.实验在CK+和JAFFE数据集上进行验证,分类精度分别达95%以上和93%以上,对比其他五种算法,该算法总体表现较好,具有较好的识别效果和良好的鲁棒性,可为人脸表情识别提供有效依据.
推荐文章
基于深度卷积神经网络的图像检索算法研究
图像检索
卷积神经网络
特征提取
深度学习
全局融合卷积神经网络的边缘分类的人脸性别识别
人脸性别识别
卷积神经网络
全局融合
纹理融合
边缘分类
模型验证
基于卷积神经网络多层特征融合的目标跟踪
目标跟踪
特征融合
特征表达
目标定位
卷积神经网络
回归模型
一种基于融合深度卷积神经网络与度量学习的人脸识别方法
多Inception结构
深度卷积神经网络
度量学习方法
深度人脸识别
特征提取
损失函数融合
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 融合全局与局部特征的深度卷积神经网络算法
来源期刊 计算机科学与探索 学科 工学
关键词 表情识别 特征融合 卷积神经网络(CNN) 深度学习
年,卷(期) 2022,(5) 所属期刊栏目 图形图像|Graphics and Image
研究方向 页码范围 1146-1154
页数 9页 分类号 TP391.4
字数 语种 中文
DOI 10.3778/j.issn.1673-9418.2104106
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
表情识别
特征融合
卷积神经网络(CNN)
深度学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学与探索
月刊
1673-9418
11-5602/TP
大16开
北京市海淀区北四环中路211号北京619信箱26分箱
82-560
2007
chi
出版文献量(篇)
2215
总下载数(次)
4
总被引数(次)
10748
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
黑龙江省自然科学基金
英文译名:
官方网址:http://jj.dragon.cn/zr/index.asp
项目类型:
学科类型:
论文1v1指导