文献类型：期刊文章

作　　者：何俊[1] 蔡建峰[1] 房灵芝[1] 何忠文[1]

机构地区：[1]南昌大学信息工程学院电气与自动化工程系,南昌330031

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(61463034)

年　　份：2016

卷　　号：33

期　　号：8

起止页码：2509-2513

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA-PROQEUST、CSCD、CSCD_E2015_2016、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：针对现有表情识别研究中均采用有监督模型实现特征提取,提出一种新的基于DBN(deep belief net)模型无监督的表情特征提取与识别方法。首先通过对人脸表情图片提取对光照与旋转具有鲁棒性的LBP/VAR初次特征,再通过DBN网络对初次特征实现人脸表情的二次特征提取与分类学习。对DBN参数采用动态搜索的方法,即在一个大范围内搜索确定RBM Mini-batch、BP Mini-batch与RBM隐层数量的最优值,再确定DBN深度与迭代次数最佳值。在CK+数据库上与传统KNN、SVM有监督分类模型进行的对比实验表明,提出的方法在识别率上分别提高了19.34%和14.22%。

关 键 词：深度信念网络  表情识别 局部二进制模式 深度学习  

分 类 号：TP391.41]