基于卷積神經(jīng)網(wǎng)絡(luò)的人臉表情和性別識(shí)別.pdf

1、人臉包含性別、表情、身份、年齡等大量信息，在公共社會(huì)安全、經(jīng)濟(jì)財(cái)產(chǎn)安全、軍事、反恐刑偵、人機(jī)交互等電子信息安全領(lǐng)域發(fā)展的迫切驅(qū)動(dòng)下，人臉表情和性別識(shí)別技術(shù)已經(jīng)成為一項(xiàng)極具發(fā)展?jié)摿Φ那把丶夹g(shù)，也是當(dāng)前計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)。讓計(jì)算機(jī)具有人的智能，代替人類進(jìn)行記憶、識(shí)別，實(shí)現(xiàn)真正的智能時(shí)代具有十分重要的應(yīng)用價(jià)值。然而人臉表情和性別識(shí)別技術(shù)也是計(jì)算機(jī)視覺領(lǐng)域的難點(diǎn)所在，其主要原因是人臉圖像在獲取過程中，受到光照、表情、姿態(tài)、遮擋物等環(huán)境因素

2、以及拍攝行為等因素的影響。因而，一個(gè)出色的人臉表情和性別識(shí)別算法應(yīng)該對(duì)這些因素不敏感。
　　卷積神經(jīng)網(wǎng)絡(luò)是一種新型的神經(jīng)網(wǎng)絡(luò)，它將傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)技術(shù)相結(jié)合，具有局部感受野區(qū)域、層次結(jié)構(gòu)化、特征提取和分類過程相結(jié)合的全局訓(xùn)練特點(diǎn)，在圖像處理領(lǐng)域取得了巨大的成功。卷積神經(jīng)網(wǎng)絡(luò)主要有兩個(gè)特性，第一個(gè)是神經(jīng)元之間采用局部連接策略，第二個(gè)是同一層之間的神經(jīng)元權(quán)值共享，采取局部連接和權(quán)值共享的網(wǎng)絡(luò)結(jié)構(gòu)降低了模型本身的復(fù)雜度，減少

3、了需要訓(xùn)練的參數(shù)個(gè)數(shù)，這種網(wǎng)絡(luò)結(jié)構(gòu)可以獲得某種程度上的平移、尺度和形變不變性。
　　本論文的主要工作如下:
　　1、首先系統(tǒng)的闡述了當(dāng)前人臉表情識(shí)別和性別識(shí)別的國內(nèi)外研究現(xiàn)狀，概述了深度學(xué)習(xí)的起源以及取得的一些成果。然后介紹了神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程，著重介紹了卷積神經(jīng)網(wǎng)絡(luò)的算法原理和經(jīng)典的網(wǎng)絡(luò)結(jié)構(gòu)。
　　2、本論文主要研究了基于卷積神經(jīng)網(wǎng)絡(luò)下的人臉表情和性別識(shí)別。針對(duì)表情識(shí)別，首先根據(jù)人臉表情任務(wù)的特點(diǎn)，修改了AlexNe

4、t網(wǎng)絡(luò)結(jié)構(gòu)，設(shè)計(jì)了一個(gè)新的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并在網(wǎng)絡(luò)中添加了批規(guī)范化層，使得準(zhǔn)確率有3％左右的提升;然后根據(jù)表情識(shí)別采用的數(shù)據(jù)集樣本數(shù)量，采用了微調(diào)的訓(xùn)練機(jī)制，在GoogLeNet上，與從頭訓(xùn)練的方式相比，準(zhǔn)確率有了2％左右的提升，并且在使用VGGNet進(jìn)行微調(diào)時(shí)，準(zhǔn)確率達(dá)到了最高的71.27％，證明了針對(duì)本文使用的數(shù)據(jù)集，微調(diào)的策略優(yōu)于重新訓(xùn)練;在利用GoogLeNet進(jìn)行微調(diào)實(shí)驗(yàn)時(shí)，還比較了Hinge損失函數(shù)和Softmax損失函數(shù)

5、的性能，發(fā)現(xiàn)后者優(yōu)化前者;最后針對(duì)現(xiàn)在的研究趨勢(shì)，設(shè)計(jì)了一個(gè)多網(wǎng)絡(luò)來進(jìn)行融合，通過實(shí)驗(yàn)發(fā)現(xiàn)，在較小的數(shù)據(jù)集上，多網(wǎng)絡(luò)的性能比單網(wǎng)絡(luò)差。針對(duì)性別識(shí)別，在VGGNet的基礎(chǔ)上，設(shè)計(jì)了一個(gè)3層的卷積神經(jīng)網(wǎng)絡(luò)，在adience數(shù)據(jù)集上，準(zhǔn)確率達(dá)到了90.82％，在mygender數(shù)據(jù)集上準(zhǔn)確率達(dá)到了97.10％;然后利用VGGNet在mygender數(shù)據(jù)集上進(jìn)行微調(diào)，準(zhǔn)確率達(dá)到了99.44％。
　　3、本文使用卷積神經(jīng)網(wǎng)絡(luò)在人臉表情和性別