Resumen

Abordando el problema del reconocimiento de expresiones faciales en condiciones no restringidas, se propone un método de reconocimiento de expresiones faciales basado en un modelo de red de cápsulas mejorado. En primer lugar, la imagen de la expresión se normaliza por iluminación basada en el rostro de Weber mejorado, y los puntos clave del rostro son detectados por el árbol de regresión de proceso gaussiano. Luego, se introduce el modelo 3dmms. La forma facial en 3D, que es consistente con el rostro en la imagen, se proporciona mediante estimación iterativa para mejorar aún más la calidad de la imagen de la estandarización de la pose facial. En este documento, consideramos que las características de convolución utilizadas en el reconocimiento de expresiones faciales deben ser entrenadas desde el principio y se deben agregar tantas muestras diferentes como sea posible en el proceso de entrenamiento. Finalmente, este documento intenta combinar la tecnología tradicional de aprendizaje profundo con la configuración de cápsulas, agrega una capa de atención después de la capa de cápsulas primaria en

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Reconocimiento de expresiones faciales; Modelo de red de cápsulas; Modelo 3dmms; Tecnología de aprendizaje profundo; Capa de atención; Tasa de reconocimiento
• Keywords:Facial expression recognition; Capsule network model; 3dmms model; Deep learning technology; Attention layer; Recognition rate