天津大学电气自动化与信息工程学院, 天津 300072
深度卷积网络提取的表情特征易受背景、个体身份等因素影响,其与无用特征混合在一起对表情识别造成干扰。针对此问题,提出一种基于注意力模型的面部表情识别算法,该方法基于一个轻量级的卷积神经网络以避免过拟合,通过通道注意力模块和空间注意力模块对特征图元素进行加强或抑制,应用残差学习单元使注意力模型学习到更丰富的特征并获得更好的梯度流。此外,还提出一种面部表情关键区域截取方案,以解决非表情区域的噪声干扰问题。在两个常用的表情数据集CK+和MMI上对所提方法进行了验证,实验结果证明了该方法的优越性。
图像处理 表情识别 面部分析 卷积神经网络 注意力模型 激光与光电子学进展
2020, 57(12): 121015
天津大学电气自动化与信息工程学院, 天津300072
提出了一种基于导师-学生网络的驾驶行为识别模型。考虑到驾驶动作是在局部区域发生的,将驾驶行为识别任务拆分成动作定位和动作分类两个子任务。针对动作定位任务,设计了网络层数较浅和接收高分辨率图像输入的导师网络,导师网络通过特征图的响应对动作区域进行弱定位;在动作定位基础上,针对动作分类任务,设计了网络层数较深的接收低分辨率动作区域图像输入的学生网络,学生网络根据深层网络提取的高层次语义特征实现高准确率分类。实验结果证明,导师-学生网络模型能带来较高的识别准确率,具有强稳健性。
图像处理 深度学习 驾驶行为识别 卷积神经网络 弱定位 动作分类 导师-学生网络 激光与光电子学进展
2020, 57(6): 061019
