科研之友
微信
新浪微博
Facebook
分享链接
摘要
人脸表情识别一直是人机交互和计算机视觉研究的热点问题,但受限于成像设备及环境的影响,获得的面部图像往往是低分辨率的。针对这个问题,提出一种基于深度学习的超分辨率重建的人脸表情识别系统,用于提高低分辨率面部图像表情识别的准确率。该系统是由两个深度神经网络组成,首个神经网络基于新的混合损失函数,利用简化的残差网络结构叠加构成残差块来学习面部图像的特征,并进行上采样操作,重建包含更多细节的高分辨率人脸表情图像;第二个神经网络通过使用小尺度卷积核提取重建后的高分辨率图像的人脸表情特征,之后使用softmax分类器,实现人脸表情分类。在公共数据集Cohn-Kanade Dataset (CK+)上对该系统进行验证和测试的结果表明,该系统有效地提高了不同尺寸的低分辨率图像表情识别的准确率。
-
单位南京邮电大学; 通信与信息工程学院
