基于卷積網(wǎng)絡(luò)集成的面部表情識(shí)別方法.pdf

1、自動(dòng)表情識(shí)別(Automated Facial Expression Recognition，縮寫FER)賦予計(jì)算機(jī)感知并嘗試?yán)斫馊祟惽楦械哪芰ΑＴ谟?jì)算機(jī)視覺、人機(jī)交互和情感計(jì)算領(lǐng)域都有著非常重大的研究和應(yīng)用價(jià)值。如果機(jī)器能夠像人類一樣擁有感情的話，那么人類與機(jī)器的關(guān)系將會(huì)被徹底改變，機(jī)器對于人類而言將不再只是一種工具而已。
　　表情因其獨(dú)特的心理屬性，對于計(jì)算機(jī)而言存在一定的分析和理解障礙。本質(zhì)上表情是人類內(nèi)心復(fù)雜情感的外在流露

2、，而這些深藏于內(nèi)的抽象感情難以被計(jì)算機(jī)量化表達(dá)。所以對于而言，表情識(shí)別也并不應(yīng)僅僅歸于一種的圖像分類問題而已。
　　受益于近幾年來深度神經(jīng)網(wǎng)絡(luò)模型的快速發(fā)展，特別是卷積網(wǎng)絡(luò)在圖像檢測和識(shí)別方面取得的突破成果，在本文中設(shè)計(jì)和實(shí)現(xiàn)了一種基于卷積網(wǎng)絡(luò)集成的模型來嘗試解決表情識(shí)別問題。集成卷積網(wǎng)絡(luò)模型包含兩個(gè)階段:第一階段，訓(xùn)練多個(gè)結(jié)構(gòu)不同的卷積子網(wǎng)絡(luò)模型。每個(gè)子網(wǎng)絡(luò)模型包含著個(gè)數(shù)不同的卷積層，每個(gè)卷積層后連接著非線性激活層和池化采樣層。

3、這些卷積子網(wǎng)絡(luò)模型在訓(xùn)練集上分別訓(xùn)練至收斂。第二階段，由這些訓(xùn)練好的子網(wǎng)絡(luò)模型連接在一起構(gòu)成最終的模型。各個(gè)子網(wǎng)絡(luò)模型通過移除輸出層，并把倒數(shù)第二層的輸出結(jié)果連接在一起后再輸出到若干全連接層中，通過這樣的方式使這些單獨(dú)訓(xùn)練的子網(wǎng)絡(luò)模型連接成一個(gè)整體。
　　通過不同卷積子網(wǎng)絡(luò)集成的方式，充分發(fā)揮了不同結(jié)構(gòu)子模型分類的優(yōu)勢，各個(gè)子模型在協(xié)同工作中能夠發(fā)揮互相補(bǔ)充的效果。整個(gè)模型輸入一張面部表情圖片，輸出七種基本表情中的一種，包含憤怒、