文件名称：使用胶囊神经网络通过面部几何识别情绪-研究论文
文件大小：736KB
文件格式：PDF
更新时间：2024-06-29 18:38:34
neural network model
文章致力于通过人脸的几何形状来提高神经网络手段进行情感识别的效率问题。 结果表明，在通用信息系统中使用的现代神经网络情感识别手段的最大缺点之一是在特征干扰的影响下缺乏识别精度。 提出通过使用胶囊神经网络模型来提高识别准确率，增加了对噪声图像分析的适应性。 作为研究的结果，开发了 CapsNet 类型的神经网络模型，旨在识别基本情绪，同时考虑到面部旋转等干扰。 实验表明，在对未失真图像的分析中，CapsNet 略微超过了经典卷积神经网络类型 LaNet 的精度，这大约等于其资源强度。 CapsNet 对未失真图像的识别精度略逊于现代类型的卷积网络，后者相比它具有更高的资源消耗。 在旋转图像上检测情绪时，CapsNet 的准确度可与现代类型的卷积网络的准确度相媲美，并显着超过 LaNet 的准确度。 神经网络对人脸几何的情绪识别领域的进一步研究前景可以与胶囊神经网络在减少训练迭代次数的方向上的架构解决方案的改进相关联，同时确保可接受的识别精度。