嵌入注意力机制模型的人脸表情迁移学习方法

TP391.1; 人脸表情识别中,利用深度网络进行训练时,往往需要大量的训练数据而且实际应用中常常缺少标签数据,域适应人脸表情迁移学习是一个重要的研究课题.现有基于域适应的人脸表情识别大多采用浅层网络、深度学习网络方法,因此提出了将条件对抗域适应方法应用于人脸表情迁移学习,以及应用熵函数保证分类器预测的不确定人脸表情图像的可迁移性,并通过嵌入注意力机制模型来改进深度学习网络对人脸表情图像的特征提取.实验表明,通过注意力机制模型改进的条件生成对抗网络能有效地提高实验室控制和现实生活中的人脸表情数据识别的准确率....

Full description

Saved in:
Bibliographic Details
Published in计算机应用研究 Vol. 38; no. 2; pp. 595 - 599
Main Authors 赖阳文, 杨振国, 王勇, 刘文印
Format Journal Article
LanguageChinese
Published 广东工业大学 计算机学院,广州510006 2021
Subjects
人脸表情识别
注意力机制模型
熵函数
条件生成对抗域适应网络
Online AccessGet full text
ISSN1001-3695
DOI10.19734/j.issn.1001-3695.2019.10.0644

Cover

More Information
Summary:TP391.1; 人脸表情识别中,利用深度网络进行训练时,往往需要大量的训练数据而且实际应用中常常缺少标签数据,域适应人脸表情迁移学习是一个重要的研究课题.现有基于域适应的人脸表情识别大多采用浅层网络、深度学习网络方法,因此提出了将条件对抗域适应方法应用于人脸表情迁移学习,以及应用熵函数保证分类器预测的不确定人脸表情图像的可迁移性,并通过嵌入注意力机制模型来改进深度学习网络对人脸表情图像的特征提取.实验表明,通过注意力机制模型改进的条件生成对抗网络能有效地提高实验室控制和现实生活中的人脸表情数据识别的准确率.
ISSN:1001-3695
DOI:10.19734/j.issn.1001-3695.2019.10.0644