A Facial Expression Recognition Method Based on a Multibranch Cross-Connection Conv Neural Network
发布时间
阅读量：
阅读量
本研究提出了一种基于多分支交叉连接卷积神经网络(MBCC-CNN) 的三维人体姿态估计方法。相较于传统的人工智能方法而言，在捕捉人体复杂运动模式方面具有显著优势。与现有的单一结构深度学习模型不同，在深度感知过程中采用残差学习框架进行特征提取，并通过自适应层间信息融合机制实现全局姿态信息的有效传递与更新。为了进一步提升模型对复杂人体运动模式的学习能力，在传统卷积操作基础上，在输出层引入了跳跃连接机制，并在此基础上提出了自适应步长循环单元的新架构设计。实验结果表明，在Fer2013数据集上的识别准确率为71.52%，在CK+数据集上达到98.48%；同时在RAF基准测试集上的表现也优于现有主流算法
IEEE Xplore Full-Text PDF: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9367192
代码：https://github.com/scp19801980/Facial-expression-recognition。
该环节包含三个主要步骤：第一步是对原始数据集进行预处理工作；第二步是设计并构建多分支交叉连接卷积神经网络(MBCC-CNN)，以便能够提取更为丰富的面部表情特征信息；第三步则是通过SoftMax分类器完成特征分类任务，并实现准确的表情识别目标。研究中所提出的MBCC-CNN模型具有独特的网络架构特点：它主要由模块1、模块2、模块3以及全局平均池化(GAP)层四部分构成；整个方法的具体实现过程如图所示。
全部评论 (0)
还没有任何评论哟~