[发明专利]一种基于深度残差网络的表情识别方法

摘要

本发明涉及一种基于深度残差网络的表情识别方法，对深度残差网络中常规的激活函数ReLU进行替换，换成一种具有生物真实性的激活函数Noisy Softplus，使得改进后的深度残差网络可在普通计算机上对表情数据训练，然后将训练优化好的网络模型部署在类脑计算硬件上，进行表情识别任务。本发明与传统手工提取特征的方法相比，极大地提高了识别率，且不受人脸表情拍摄环境的限制，建立起来的网络模型能够适应于各类问题，具有很好的普适性。与普通深度残差网络相比，又具有较高识别率，极低功耗和极低的响应时间。随着计算机硬件的成熟，可逐渐部署到可穿戴设备，手持设备等低功耗的电子设备上。

主权项

1.一种基于深度残差网络的表情识别方法，其特征在于：包括以下步骤：S1、根据实际需要进行表情数据制作；S2、根据步骤S1制作好的表情数据库进行网络搭建，把常用激活函数替换成具有生物真实性的Noisy Softplus函数；S3、在步骤S2搭建好的网络上进行模型训练，训练出最优模型；S4、将步骤S3训练出的最优模型部署在对应的类脑计算硬件上进行表情识别；所述步骤S2搭建的网络为深度残差网络，包括输入层、隐藏层以及输出层；其中，隐藏层包括两个连续进行的操作：先进行输入值与参数进行连接映射计算：Z[l]＝W[l]X+b[l]；l代表第l层，X代表每一个隐藏层的输入向量，W,b为网络中的连接参数；然后采用非线性激活函数Noisy Softplus对映射后的值进行非线性激活；非线性激活函数Noisy Softplus的计算公式如下：常量k为尺度因子，控制曲线形状，σ用于控制噪声强弱，其表达式为：