返回顶部
返回首页
返回首页
今天是    | 政策法规 | 行业应用 |
home 您现在的位置: 首页 >新能源汽车 >技术中心 > 详细信息
写满你的脸:一种用于识别面部表情的改进人工智能模型
2022年07月23日    阅读量:611     新闻来源:好力百信息网    |  投稿

当谈到我们的精神状态和情绪时,我们的脸很能说明问题。面部表情是人类非言语交流的一个重要方面。即使我们无法解释我们是怎么做的,我们通常也能从另一个人的脸上看到他们的感受。在许多情况下,阅读面部表情尤其重要。例如,老师可能会这样做,以检查学生是否忙碌或无聊,护士可能会这样做,以检查患者的病情是否有所改善或恶化。

多亏了技术的进步,当涉及到人脸识别时,计算机可以做得很好。然而,识别面部表情是一个完全不同的故事。人工智能领域的许多研究人员试图使用各种建模和分类技术来解决这个问题,包括流行的卷积神经网络(CNN)。然而,面部表情识别是复杂的,需要复杂的神经网络,需要大量的训练,并且计算成本高昂。

为了解决这些问题,中国吉林工程师范大学贾博士领导的一个研究团队最近开发了一种新的用于面部表情识别的CNN模型。正如《电子成像杂志》(Journal of Electronic Imaging)上发表的一篇文章所述,该团队专注于在模型的训练速度、内存使用和识别准确性之间取得良好的平衡。

传统的CNN模型与该团队提出的模型之间的主要区别之一是使用了深度方向的可分离卷积。这种卷积鈥攖他在CNN的每一层执行核心操作鈥攄与标准方法不同的是,它独立处理输入图像的不同通道(如RGB),并在最后合并结果。

通过将这种卷积与一种称为“预激活剩余块”的技术相结合,该模型能够以从粗到精的方式处理输入的面部表情。通过这种方式,该团队大大减少了计算成本和系统学习用于准确分类的必要参数数量。“我们设法获得了一个具有良好泛化能力的模型,只有58000个参数,”田说。

研究人员通过在课堂环境中比较其面部表情识别性能与其他报告模型,对其模型进行了测试。他们使用一个名为“扩展科恩假名数据集”的流行数据集对所有模型进行训练和测试,该数据集包含35000多张表达常见情绪的标记人脸图像。结果令人鼓舞,田团队开发的模型显示了最高的准确性(72.4%),参数数量最少。

田说:“当使用小样本数据集时,我们开发的模型对面部表情识别特别有效。我们研究的下一步是进一步优化模型的架构,实现更好的分类性能。”。

考虑到面部表情识别可以广泛应用于人机交互、安全驾驶、智能监控、监视和医学等领域,让我们希望团队尽快实现他们的视觉。

标签:行业资讯机械应用人工智能新能源汽车 系统及软件
免责声明: 本文仅代表作者本人观点,与本网无关。本网对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。本网转载自其它媒体的信息,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如因作品内容、版权和其它问题需要同本网联系的,请在一周内进行,以便我们及时处理。客服邮箱:service@cnso360.com | 客服QQ:23341571

全站地图

深圳网络警察报警平台 深圳网络警
察报警平台

公共信息安全网络监察 公共信息安
全网络监察

经营性网站备案信息 经营性网站
备案信息

中国互联网举报中心 中国互联网
举报中心

中国文明网传播文明 中国文明网
传播文明

深圳市市场监督管理局企业主体身份公示 工商网监
电子标识