[发明专利]一种集成卷积神经网络人脸情感识别方法

摘要

本发明公开了一种集成卷积神经网络人脸情感识别方法，主要步骤包括以下步骤：步骤1、利用每层参数递减，限定参数范围的方法随机生成大量的CNN卷积神经网络模型；步骤2、对每一个随机生成的CNN卷积神经网络模型进行训练，得到一个分类器；步骤3、计算每个分类器的在验证集上面的准确率；步骤4、选择准确率最高的m个分类器；步骤5、利用贝叶斯融合算法将m个分类器进行融合。本发明具有在实际的预测应用能够并行执行，不会损耗预测的时间等优点。

主权项

1.一种集成卷积神经网络人脸情感识别方法，其特征在于，包括以下步骤：步骤1、利用每层参数递减，限定参数范围的方法随机生成n个CNN卷积神经网络模型；步骤2、对每一个随机生成的CNN卷积神经网络模型进行训练，得到一个分类器；步骤3、计算每个分类器的在验证集上面的准确率；步骤4、选择准确率最高的m个分类器；步骤5、利用贝叶斯融合算法将m个分类器进行融合；具体包括：步骤51、将每一个分类器的Softmax输出都进行放大，即除以本输出中最小的那个数值；具体地，对测试样本，提取CNN卷积神经网络模型最后一层Softmax层输出的结果为：A＝(α₀，α₁，...，α₆)    (1)其中α_i表示第i种情感对应的可能性，表示分类器认为该人脸是表情i的概率；A是最后一层Softmax层的输出结果；对每个分类器的Softmax输出A通过以下方式放大：A＝(α₀/min(A)，α₁/min(A)，...，α₆/min(A))    (2)其中min(A)是原来向量A的最小值；步骤52、对上一步进行变化的A进行贝叶斯融合；提取m个分类器的Softmax层输出就得到[A₀,A₁,...,A_m]，这样得到每个分类器Softmax层的输出，最后通过如下公式得到最后的结果：其中，α_i表示第i种情感对应的可能性，对应用公式(2)中的数值，m指m个分类器，是m个α_i的连乘，i是公式(3)中从0到6的7种表情，argmax是求数组中最大值对应的标号，这个标号与表情对应的标号相一致，这样通过公式(3)就得到了对应的人脸分类表情。