基于并行Gan的有遮挡动态表情识别

摘要：

为了解决实际中动态表情识别存在的局部遮挡问题,提出一种基于并行Gan网络的有遮挡动态表情识别方法.构建一个并联网络P-IncepNet进行上下文特征提取,利用条件对抗网络训练了一个处理不同程度遮挡的图像修复网络.将构建的并联网络与LSTM进行级联,充分利用并联网络的特征提取和LSTM的时空信息获取能力,训练得到一个更具鲁棒性的动态表情识别网络.实验结果表明,在CelebA和MMI数据集上训练的局部遮挡补全网络对中小程度遮挡的补全优于其他网络;构建的级联表情识别网络对于不同程度遮挡的识别结果显示,修复表情图的平均识别率比未修复表情图高4.45个百分点,尤其愤怒、惊讶、高兴有6.36个百分点的较大识别率提升得益于遮挡图像的修复;在AFEW和MMI数据集的无遮挡实验表明,该网络对无遮挡的识别同样具有优越性能,平均识别准确率达51.12％和80.31％.因此构建的P-IncepNet是稳定的,对图像的遮挡修复和表情识别性能均有明显改善.

关键词：局部遮挡;动态表情识别;深度学习;并行处理;级联网络;生成对抗网络

所属期刊栏目：57

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;虚拟现实应用教育部工程研究中心开发基金

在线出版日期：2021-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：168-178