用于笑容识别的深度卷积神经网络

本论文描述了基于深度卷积神经网络的笑容检测器的设计与实现。首先概述了神经网络、其训练难点以及新的训练方法，如受限玻尔兹曼机或自编码器。随后对卷积神经网络和循环神经网络进行了文献综述。为了选择笑容识别的数据库，本论文生成并总结了面部表情识别领域常用数据库的综合统计数据。接着提出了一个笑容检测模型，并实现了其主要部分。本论文讨论了实验结果，并基于所进行的综合模型选择进行了论证。所有实验均在 Tesla K40c GPU 上运行，相比 CPU 上的计算获得了高达 10 倍的加速。对于 Denver Intensity of Spontaneous Facial Action (DISFA) 数据库，笑容检测测试准确率达到 99.45%，显著优于准确率在 65.55% 至 79.67% 之间的现有方法。该实验在多种变化下重新运行，例如保留较少的中性图像或仅保留低强度或高强度图像，并对结果进行了广泛比较。