期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
EmoRepLKNet:一种基于UniRepLKNet的面部情绪识别神经网络
1
作者
肖志鹏
何书峰
田春岐
《计算机工程》
北大核心
2025年第11期54-62,共9页
针对面部情绪识别过程中存在的难以捕获有效特征信息、无法使关键面部信息占据更主要地位的问题,提出一种基于UniRepLKNet的面部情绪识别网络。为了更精确地提取面部情绪特征,设计一个掩码极化自注意力模块,其结合了U-Net和极化自注意...
针对面部情绪识别过程中存在的难以捕获有效特征信息、无法使关键面部信息占据更主要地位的问题,提出一种基于UniRepLKNet的面部情绪识别网络。为了更精确地提取面部情绪特征,设计一个掩码极化自注意力模块,其结合了U-Net和极化自注意力机制。这一模块能够深入挖掘通道和空间之间的依赖关系,并通过多尺度特征融合策略,强化人脸局部关键信息在情绪识别过程中的影响力。同时,对大核卷积神经网络(CNN)UniRepLKNet进行优化,提出EmoRepLKNet神经网络结构。在EmoRepLKNet中,利用掩码极化自注意力模块使网络专注于提取面部情绪识别的关键信息,并结合大核CNN感受野广的特点,实现对面部情绪的有效识别。实验结果表明,在面部情绪识别数据集FER2013上,该方法达到了76.20%的准确率,不仅超越了现有的对比模型,而且相较于UniRepLKNet也显著提高了面部情绪识别的准确率。同时,在RAF-DB数据集的单标签部分进行实验,所提方法取得了89.67%的准确率。
展开更多
关键词
情绪识别
深度学习
大核卷积神经网络
注意力机制
fer2013
数据集
RAF-DB数据集
在线阅读
下载PDF
职称材料
一种基于词频-逆文档频率和混合损失的表情识别算法
被引量：
12
2
作者
蓝峥杰
王烈
聂雄
《计算机工程》
CAS
CSCD
北大核心
2023年第1期295-302,310,共9页
面部表情能自然高效地表达人类的心理活动和思想状态,影响着人们的沟通交流过程。在诸多智能化应用中,人脸表情识别是人类与机器间建立情感交互的重要基础。在细粒度人脸表情识别任务中,由于特征提取网络对表情产生区域的关键特征处理不...
面部表情能自然高效地表达人类的心理活动和思想状态,影响着人们的沟通交流过程。在诸多智能化应用中,人脸表情识别是人类与机器间建立情感交互的重要基础。在细粒度人脸表情识别任务中,由于特征提取网络对表情产生区域的关键特征处理不足,从而引发细节特征信息丢失问题。提出一种词频-逆文档频率注意力机制TF-IDF SPA,通过该机制调整表情产生关键区域的注意力分布,强化网络对该区域关键细节特征的提取能力。同时,为了应对表情识别任务中普遍存在的类间差异小、类内差异大的问题,设计一种改进型混合加权损失函数,以增强表情类内聚拢性同时增大类间距离。依据数据集中样本的数量分布情况,动态调整损失函数的分类权重值,从而强化模型对小数据量样本的学习能力。在此基础上,将结构简单的TF-IDF SPA模块与卷积层共同堆叠以构建人脸表情识别网络。实验结果表明,该网络具有较好的人脸表情识别性能,在FER2013和CK+数据集上的分类准确率分别达到73.52%和98.27%。
展开更多
关键词
表情识别
fer2013
数据集
CK+数据集
词频-逆文档频率
损失函数
注意力机制
在线阅读
下载PDF
职称材料
基于SWA优化级联网络的表情识别方法
被引量：
3
3
作者
张翔
史志才
陈良
《电子科技》
2020年第9期16-20,共5页
为了提高表情识别技术的检测精度,文中提出了一种采用随机权重平均SWA优化级联网络的人脸表情识别方法。与单个卷积网络相比,多网络级联能得到更好的检测精度。相对于传统的SGD训练方法,SWA训练方法能增强级联网络中子网络的泛化能力,...
为了提高表情识别技术的检测精度,文中提出了一种采用随机权重平均SWA优化级联网络的人脸表情识别方法。与单个卷积网络相比,多网络级联能得到更好的检测精度。相对于传统的SGD训练方法,SWA训练方法能增强级联网络中子网络的泛化能力,进一步提高模型的整体性能。通过在Fer2013数据集上测试实验发现,基于SWA方法训练采用加权求和法方式级联的网络模型识别准确率达到74.478%,相对于传统SGD方法训练的单网络模型提高了1.4%以上。另外,与其他典型方法相比,所提改进模型的识别准确率更高。
展开更多
关键词
表情识别
卷积神经网络
随机权重平均
随机梯度下降法
fer2013
数据集
网络级联
在线阅读
下载PDF
职称材料
题名
EmoRepLKNet:一种基于UniRepLKNet的面部情绪识别神经网络
1
作者
肖志鹏
何书峰
田春岐
机构
同济大学电子与信息工程学院
青岛海洋地质研究所
出处
《计算机工程》
北大核心
2025年第11期54-62,共9页
基金
物联网技术应用交通运输行业研发中心(杭州)开放基金(2023-04)。
文摘
针对面部情绪识别过程中存在的难以捕获有效特征信息、无法使关键面部信息占据更主要地位的问题,提出一种基于UniRepLKNet的面部情绪识别网络。为了更精确地提取面部情绪特征,设计一个掩码极化自注意力模块,其结合了U-Net和极化自注意力机制。这一模块能够深入挖掘通道和空间之间的依赖关系,并通过多尺度特征融合策略,强化人脸局部关键信息在情绪识别过程中的影响力。同时,对大核卷积神经网络(CNN)UniRepLKNet进行优化,提出EmoRepLKNet神经网络结构。在EmoRepLKNet中,利用掩码极化自注意力模块使网络专注于提取面部情绪识别的关键信息,并结合大核CNN感受野广的特点,实现对面部情绪的有效识别。实验结果表明,在面部情绪识别数据集FER2013上,该方法达到了76.20%的准确率,不仅超越了现有的对比模型,而且相较于UniRepLKNet也显著提高了面部情绪识别的准确率。同时,在RAF-DB数据集的单标签部分进行实验,所提方法取得了89.67%的准确率。
关键词
情绪识别
深度学习
大核卷积神经网络
注意力机制
fer2013
数据集
RAF-DB数据集
Keywords
emotion recognition
deep learning
large kernel Convolutional Neural Network(CNN)
attention mechanism
fer2013 dataset
RAF-DB
dataset
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
一种基于词频-逆文档频率和混合损失的表情识别算法
被引量：
12
2
作者
蓝峥杰
王烈
聂雄
机构
广西大学计算机与电子信息学院
广西多媒体通信与网络技术重点实验室
出处
《计算机工程》
CAS
CSCD
北大核心
2023年第1期295-302,310,共9页
基金
广西科技重大专项(桂科AA21077007)。
文摘
面部表情能自然高效地表达人类的心理活动和思想状态,影响着人们的沟通交流过程。在诸多智能化应用中,人脸表情识别是人类与机器间建立情感交互的重要基础。在细粒度人脸表情识别任务中,由于特征提取网络对表情产生区域的关键特征处理不足,从而引发细节特征信息丢失问题。提出一种词频-逆文档频率注意力机制TF-IDF SPA,通过该机制调整表情产生关键区域的注意力分布,强化网络对该区域关键细节特征的提取能力。同时,为了应对表情识别任务中普遍存在的类间差异小、类内差异大的问题,设计一种改进型混合加权损失函数,以增强表情类内聚拢性同时增大类间距离。依据数据集中样本的数量分布情况,动态调整损失函数的分类权重值,从而强化模型对小数据量样本的学习能力。在此基础上,将结构简单的TF-IDF SPA模块与卷积层共同堆叠以构建人脸表情识别网络。实验结果表明,该网络具有较好的人脸表情识别性能,在FER2013和CK+数据集上的分类准确率分别达到73.52%和98.27%。
关键词
表情识别
fer2013
数据集
CK+数据集
词频-逆文档频率
损失函数
注意力机制
Keywords
expression recognition
fer2013 dataset
CK+
dataset
term frequency-inverse document frequency
loss function
attention mechanism
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于SWA优化级联网络的表情识别方法
被引量：
3
3
作者
张翔
史志才
陈良
机构
上海工程技术大学电子电气工程学院
出处
《电子科技》
2020年第9期16-20,共5页
基金
国家自然科学基金(61802252)。
文摘
为了提高表情识别技术的检测精度,文中提出了一种采用随机权重平均SWA优化级联网络的人脸表情识别方法。与单个卷积网络相比,多网络级联能得到更好的检测精度。相对于传统的SGD训练方法,SWA训练方法能增强级联网络中子网络的泛化能力,进一步提高模型的整体性能。通过在Fer2013数据集上测试实验发现,基于SWA方法训练采用加权求和法方式级联的网络模型识别准确率达到74.478%,相对于传统SGD方法训练的单网络模型提高了1.4%以上。另外,与其他典型方法相比,所提改进模型的识别准确率更高。
关键词
表情识别
卷积神经网络
随机权重平均
随机梯度下降法
fer2013
数据集
网络级联
Keywords
expression recognition
convolutional neural network
stochastic weight averaging
stochastic gradient descent
fer2013 dataset
network cascade
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
EmoRepLKNet:一种基于UniRepLKNet的面部情绪识别神经网络
肖志鹏
何书峰
田春岐
《计算机工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
一种基于词频-逆文档频率和混合损失的表情识别算法
蓝峥杰
王烈
聂雄
《计算机工程》
CAS
CSCD
北大核心
2023
12
在线阅读
下载PDF
职称材料
3
基于SWA优化级联网络的表情识别方法
张翔
史志才
陈良
《电子科技》
2020
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
