题名
基于局部特征聚类损失和多类特征融合的面部表情识别
DOI
作者
王浩 栗永泽 方宝富 ​
作者单位
合肥工业大学计算机与信息学院
摘要
在真实世界中,每个个体对表情的表现方式不同.基于上述事实,文中提出局部特征聚类(LFA)损失函数,能够在深度神经网络的训练过程中减小相同类图像之间的差异,扩大不同类图像之间的差异,从而削弱表情的多态性对深度学习方式提取特征的影响.同时,具有丰富表情的局部区域可以更好地表现面部表情特征,所以提出融入LFA损失函数的深度学习网络框架,提取的面部图像的局部特征用于面部表情识别.实验结果表明文中方法在真实世界的RAF数据集及实验室条件下的CK+数据集上的有效性.
关键词
面部表情识别；卷积神经网络；深度学习；局部特征
刊名
人工智能研究
ISSN
3078-9753
年、卷(期)
20205
所属期刊栏目
工程技术
打印