基于重引力搜索和深度学习的图像表情识别研究

您当前的位置：

首页 >

文章列表页 >

光学图像处理 | 更新时间：2025-09-01

- 基于重引力搜索和深度学习的图像表情识别研究
- Image expression recognition algorithm based on gravity search and deep learning
- 光学技术 2020年46卷第5期页码：626-633
- 作者机构：
  
  1. 1:河北公安警察职业学院警务科研处
  2. 2:河北师范大学计算机与网络空间安全学院
  3. 3:河北师范大学河北省网络与信息安全重点实验室
  4. 4:河北师范大学河北省供应链大数据分析与数据安全工程研究中心
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(61572170);河北省自然科学基金项目(F2019205163)
- DOI：10.13741/j.cnki.11-1879/o4.2020.05.020
  中图分类号：
- 纸质出版：2020
- 稿件说明：
移动端阅览
杨芳, 郭宏刚. 基于重引力搜索和深度学习的图像表情识别研究[J]. 光学技术, 2020,46(5):626-633.

Image expression recognition algorithm based on gravity search and deep learning[J]. 2020, 46(5): 626-633.
杨芳, 郭宏刚. 基于重引力搜索和深度学习的图像表情识别研究[J]. 光学技术, 2020,46(5):626-633. DOI： 10.13741/j.cnki.11-1879/o4.2020.05.020.

Image expression recognition algorithm based on gravity search and deep learning[J]. 2020, 46(5): 626-633. DOI： 10.13741/j.cnki.11-1879/o4.2020.05.020.

传统表情识别技术采用单一类型的特征表示方法

由于每个特征类型对不同数据集的表示效果存在差异

导致传统技术对不同数据集的表情识别效果也存在较大的差异。设计一种多类型混合特征的选择方案

用以提高不同数据集的表情识别准确率。将面部不同区域、不同类型的特征集作为基础特征集

利用重引力搜索算法从基础特征集中选择优化的特征子集。将优化的特征子集输入深度信念网络进行训练和半监督学习

采用训练的网络模型对表情进行识别。实验结果表明

在不同数据集条件下

采用该方法均能够保持较高的识别准确率。

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于高光谱遥感的荒漠化草原草种类分类模型研究

基于3D全卷积神经网络的肺叶自动分割方法

利用双流卷积神经网络的人脸表情识别方法

结合单目视觉成像和深度测量的行为检测研究

基于移动机器人和单目视觉的姿态测量方法