针对传统机器学习中人工提取特征复杂度高,以及单卷积网络提取特征不充分导致识别率不高的问题,提出了一种基于集成卷积神经网络的面部表情识别新方法。该方法是将VGGNet-19改进后的VGGNet-19GP模型和ResNet-18模型进行集成,构建了集成网络(EnsembleNet)模型。该模型首先在训练集上对单模型进行训练,使单模型达到实验最优,然后在测试集上进行集成测试。在FER2013和CK+数据集上分别获得了73.854%和97.611%的平均准确率。与VGGNet-19GP和ResNet-18模型以及现有方法进行对比,结果表明,基于集成的面部表情分类方法具有分类更加准确和泛化能力更强的优点。
2022-06-19 13:11:57
17.64MB
1
更新
更新22/01/2020您可能有兴趣关注以观看有关计算机视觉，机器学习，深度学习和机器人技术的每周视频。
Deepgaze 2.0的更新16/07/2019稳定版本可分支2.0 。
更新20/03/2019开始在Python / OpenCV 3.0上进行移植，请检查分支2.0以获取初步版本。
更新10/06/2017文章“使用卷积神经网络和自适应梯度方法在野外进行头部姿态估计”的PDF使用可在未来50天内免费下载
更新2017年4月6日，文章“使用卷积神经网络和自适应梯度方法在野外进行头部姿态估计”已在Pattern Recogntion（Elsevier）中接受发表。 Deepgaze CNN头部姿势估计器模块基于此工作。
更新31/05/2017新软件包。 该软件包包含用于显着性检测的算法的实现
更新22/03/2017修复了mask_analysis.py中的一个
2022-06-18 20:49:34
211.05MB
1
一个教学用的简单的8位的4条指令的CPU的逻辑电路设计，一个教学用的简单的8位的4条指令的CPU的逻辑电路设计
2022-06-18 13:52:02
380KB
1
计算机视觉期末复习（图像分割，相机标定，SFM，图像检索（bag of words）,角点检测 DoG）
2022-06-18 09:10:00
10.59MB
1