基于卷积神经网络融合SIFT特征的人脸表情识别.pdf

"基于卷积神经网络融合SIFT特征的人脸表情识别.pdf" 本文提出了一种基于卷积神经网络（CNN）融合SIFT特征的人脸表情识别方法。该方法通过图像预处理获得规范化的表情图像，然后采用视觉词袋模型将图像提取的SIFT特征进一步处理，将得到的图像特征向量作为局部特征，CNN提取的特征作为全局特征，全局特征用以描述表情的整体差异，局部特征用以描述表情的局部差异；然后将提取出的两组特征融合后采用Softmax分类。 该方法与流形稀疏表示（Manifold Sparse Representation，MSR）及3DCNN等方法在CK+及FER2013数据集上的实验表明，该方法是一种有效的人脸表情识别方法。 本文的主要贡献是： 1. 提出了基于卷积神经网络融合SIFT特征的人脸表情识别方法，该方法可以有效地识别人脸表情。 2. 实验结果表明，该方法优于其他方法在CK+及FER2013数据集上的实验结果。 知识点： 1. 卷积神经网络（CNN）：一种深度学习算法，广泛应用于图像识别、自然语言处理等领域。 2. SIFT特征：一种图像特征提取算法，广泛应用于图像识别、目标检测等领域。 3. 视觉词袋模型：一种图像特征提取算法，广泛应用于图像识别、目标检测等领域。 4. 人脸表情识别：一种计算机视觉技术，旨在识别人脸表情，应用于人机交互、情感计算等领域。 5. 深度学习：一种机器学习算法，广泛应用于图像识别、自然语言处理等领域。 6. 机器学习：一种人工智能技术，旨在使机器具备学习和自适应能力，应用于图像识别、自然语言处理等领域。 7. 数据建模：一种数据分析技术，旨在对数据进行建模和分析，应用于图像识别、自然语言处理等领域。 8. 专业指导：一种教学方法，旨在指导学生学习和实践，应用于计算机视觉、机器学习等领域。 结论： 本文提出了一种基于卷积神经网络融合SIFT特征的人脸表情识别方法，该方法可以有效地识别人脸表情，并且实验结果表明，该方法优于其他方法。该方法具有广泛的应用前景，例如人机交互、情感计算等领域。