基于多尺度特征深度学习的人脸表情识别算法

doi:10.15966/j.cnki.dnydx.2024.05.013

全文: PDF( KB)
输出: BibTeX | EndNote (RIS)

摘要通过面部表情来识别情绪已经广泛应用于日常生活中。在深度学习算法中，卷积神经网络(CNN)在面部表情识别领域取得了巨大成功，但仍旧面临信息冗余和数据偏差的问题，影响着面部表情识别算法性能。因此提出了一种基于从面部图像中提取的地标图的多尺度图卷积网络(GCN)。在 CK+、JAFFE、FER2013、RAF-DB 数据集上对所提出方法进行了仿真。结果表明，所提方法优于AUDN、BDBN、SCNN等传统的深度学习框架，在不同数据集上准确率更高。

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	（）
	作者相关文章

关键词 ：多尺度特征, 深度学习, 卷积神经网络, 表情识别

Abstract：Recognizing emotions through facial expressions has been widely applied in normal life. Among deep learning algo‐ rithms, Convolutional Neural Networks (CNN) have achieved great success in the field of facial expression recognition. However, it still faces the problem of information redundancy and data deviation, which affects the performance of facial expression recognition algorithm. Therefore, a Multi-scale Image Convolutional Network (GCN) based on landmarks extracted from facial images is pro‐ posed. The proposed method is simulated on CK+, JAFFE, FER2013 and RAF-DB datasets. The results show that the proposed method is superior to AUDN, BDBN, SCNN and other traditional deep learning frameworks, and has higher accuracy on different data sets.

Key words： multi-scale features deep learning convolutional neural network expression recognition

年卷期日期: 2024-05-10 出版日期: 2024-10-12

引用本文:

王瑾　王睿. 基于多尺度特征深度学习的人脸表情识别算法[J]. 电脑与电信, 2024, 1(5): 75-.
WANG Jin WANG Rui. Facial Expression Recognition Algorithm Based on Multi-scale Feature Deep Learning. Computer & Telecommunication, 2024, 1(5): 75-.

链接本文:

https://www.computertelecom.com.cn/CN/10.15966/j.cnki.dnydx.2024.05.013 或 https://www.computertelecom.com.cn/CN/Y2024/V1/I5/75

[1]	李春辉王小英张庆洁刘翰卓梁嘉烨高宁康. 基于多尺度卷积神经网络的DDoS攻击检测方法[J]. 电脑与电信, 2024, 1(6): 35-.
[2]	周锐　刘海军　邢丽莉　崔春杰　王高远. 基于卷积神经网络的儿童自闭症面部特征分类[J]. 电脑与电信, 2024, 1(5): 38-.
[3]	任豪. 结合注意力特征融合的八度卷积表情识别方法[J]. 电脑与电信, 2024, 1(5): 71-.
[4]	聂铖　王杰. 数据分析方法的研究与发展综述 [J]. 电脑与电信, 2024, 1(4): 200-25.
[5]	马艳　刘海军　贺忍　崔春杰　王高远　杨月巧. 基于Informer的电离层电子总量预测[J]. 电脑与电信, 2024, 1(1): 17-20.
[6]	于延　刘忠旭. 基于微信小程序的SCN人脸表情识别系统设计[J]. 电脑与电信, 2024, 1(1): 67-71.
[7]	信博夫. 基于yolov5的弱光环境航拍车辆检测[J]. 电脑与电信, 2024, 1(1): 78-83.
[8]	苏萃文柴国强. 基于面部特征检测的人脸表情实时识别 [J]. 电脑与电信, 2023, 1(1-2): 17-21.
[9]	何宗熹蒋明忠谢铭霞庞家宝陈秋艳胡益博. 基于YOLOv8和人脸关键点检测的驾驶员疲劳驾驶识别算法设计[J]. 电脑与电信, 2023, 1(11): 1-6.
[10]	张小雪黄巍. 基于卷积神经网络的交通标志识别算法 [J]. 电脑与电信, 2022, 1(7): 1-.
[11]	陈俊安陆庚有谢倩怡龚智慧刘建平彭绍湖. 图像去雾算法研究综述 [J]. 电脑与电信, 2022, 1(7): 63-.
[12]	刘逸琛. 基于变分自编码器的商品文本分类算法设计 [J]. 电脑与电信, 2022, 1(6): 37-.
[13]	王鹏程苏一水王茂发. 基于神经网络的面包智能溯源系统 [J]. 电脑与电信, 2022, 1(5): 19-.
[14]	管尧朱凯. 基于雾天条件下交通道路上的目标检测 [J]. 电脑与电信, 2022, 1(5): 69-.
[15]	张苗苗柴国强于海乐徐昊璇. 基于深度学习的面部特征检测与疲劳驾驶预警 [J]. 电脑与电信, 2022, 1(12): 1-.