亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于卷積神經(jīng)網(wǎng)絡(luò)的旅游創(chuàng)新模式研究*

        2022-07-29 14:12:18高先杰程純純
        計算機時代 2022年7期
        關(guān)鍵詞:池化人臉旅游業(yè)

        高先杰,程純純

        (山西農(nóng)業(yè)大學(xué)基礎(chǔ)部,山西 晉中 030800)

        0 引言

        旅游業(yè)與其他行業(yè)有很強的關(guān)聯(lián)性,可以為商業(yè)、飲食業(yè)、運輸業(yè)等多產(chǎn)業(yè)注入強大的生機和活力。隨著人工智能的快速發(fā)展,以互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算為主要特征的新一代信息技術(shù)將在很大程度上提升旅游業(yè)的服務(wù)品質(zhì)。近年來,已出現(xiàn)許多人工智能與旅游業(yè)結(jié)合的相關(guān)工作,如利用機器學(xué)習(xí)分類器選擇出行方式,基于監(jiān)督學(xué)習(xí)方法對旅行目的地的在線評論進行情感分類,通過機器學(xué)習(xí),預(yù)測個人的出行方式,使用深度學(xué)習(xí)進行旅游時間預(yù)測等。

        隨著智能設(shè)備的普及和深度學(xué)習(xí)的發(fā)展,人臉識別技術(shù)得到前所未有的發(fā)展。作為人臉識別技術(shù)的一個重要組成部分,人臉表情識別(facial expression recognition,FER) 在旅游業(yè)中發(fā)揮重要作用。基于游客的面部表情識別,可以得到游客對景點和景區(qū)服務(wù)質(zhì)量滿意程度等相關(guān)信息。表情識別方法主要分為傳統(tǒng)方法和深度學(xué)習(xí)方法,傳統(tǒng)方法需要對圖片預(yù)處理及特征提??;深度學(xué)習(xí)是機器學(xué)習(xí)的一個分支,是具有大量隱藏層的神經(jīng)網(wǎng)絡(luò)算法。由于先進的優(yōu)化技術(shù)和強大的GPU 計算能力,深度學(xué)習(xí)對表情識別的發(fā)展起到極大推動作用。它打破了傳統(tǒng)方法的固有模式,并且提高了表情識別系統(tǒng)的準(zhǔn)確率及魯棒性。本文將人臉表情識別應(yīng)用于旅游領(lǐng)域中,建立了基于卷積神經(jīng)網(wǎng)絡(luò)的人臉表情識別模型。特別地,考慮了不同網(wǎng)絡(luò)層數(shù),有無Batch Normalization 層和dropout層對模型性能的影響。通過人臉表情進行情感識別與分析,進而改善景區(qū)服務(wù)質(zhì)量,提升游客對景區(qū)的滿意度,促進旅游業(yè)的發(fā)展。

        1 卷積神經(jīng)網(wǎng)絡(luò)

        1.1 神經(jīng)網(wǎng)絡(luò)

        人工神經(jīng)網(wǎng)絡(luò)(ANN)是受哺乳動物大腦皮層神經(jīng)元結(jié)構(gòu)啟發(fā)發(fā)明的計算模型,它可以準(zhǔn)確近似任意連續(xù)函數(shù)?;谶@種強大的運算能力,ANN 被廣泛應(yīng)用于許多問題中。ANN 基本結(jié)構(gòu)如圖1 所示,包括輸入層、隱藏層和輸出層。

        圖1 單隱層全連接神經(jīng)網(wǎng)絡(luò)

        1.2 卷積神經(jīng)網(wǎng)絡(luò)

        卷積神經(jīng)網(wǎng)絡(luò)(CNN)提供了一種簡化的ANN 結(jié)構(gòu),主要用于解決困難的圖像驅(qū)動模式識別任務(wù)。CNN 使用權(quán)共享策略,能有效節(jié)省訓(xùn)練開銷。由于CNN 是ANN 的特殊形式,訓(xùn)練ANN 的所有常規(guī)方法和技巧仍然適用與CNN。一般情況下CNN 結(jié)構(gòu)主要分為五個部分:輸入層、卷積層、Batch Normalization(BN)層、池化層、全連接層和輸出層。卷積層是CNN的關(guān)鍵組成部分,通過計算輸入?yún)^(qū)域與權(quán)重之間的標(biāo)量積來確定神經(jīng)元的輸出。

        為了克服神經(jīng)網(wǎng)絡(luò)層數(shù)加深導(dǎo)致難以訓(xùn)練的現(xiàn)象,即梯度消失和爆炸問題,提出了Batch Normalization方法,該方法使得訓(xùn)練可以快速收斂。

        池化層在給定輸入維度下簡單執(zhí)行下采樣,減少卷積層的輸出維度,有效減少參數(shù)數(shù)量,防止過擬合現(xiàn)象。常見的池化方法有最大池化(取給定區(qū)域的最大值)和平均池化(取給定區(qū)域的平均值)。池化操作最大的缺點是會丟失信息,防止過擬合的同時有可能帶來欠擬合。隨著計算機性能的提升,使用池化的頻率已變得越來越低。

        Dropout是訓(xùn)練神經(jīng)網(wǎng)絡(luò)的一種正則化技術(shù),讓某個神經(jīng)元的激活值以一定的概率p 停止工作,能夠避免在訓(xùn)練數(shù)據(jù)上產(chǎn)生復(fù)雜的相互適應(yīng),可以明顯地減少過擬合現(xiàn)象。如圖2所示。

        圖2 Dropout后的神經(jīng)網(wǎng)絡(luò)

        2 基于CNN的表情識別模型

        數(shù)據(jù)來源于Facial Expression Recognition 數(shù)據(jù)集。面部表情分為七個情感類別。整個程序在Python 3.6中使用,實驗環(huán)境為:主機CPU 型號為Intel(R) Core(TM) i7-8700K,12 核心,主頻為3.70 GHz,Nvidia Geforce GTX1080ti 顯卡,12G 顯存,物理內(nèi)存為32GB,操作系統(tǒng)為Ubuntu20.04,深度學(xué)習(xí)框架為TensorFlow 2.5.0。

        2.1 CNN模型結(jié)構(gòu)

        CNN 模型結(jié)構(gòu)由輸入層、卷積層、BN 層、dropout層、全連接層、輸出層組成,如圖3所示。

        圖3 模型結(jié)構(gòu)

        我們考慮五種不同CNN 模型:模型1(model1)有三個堆疊單元;與模型1 不同,模型2(model2)去掉dropout 層;模型3(model3)去掉模型1 的BN 層;模型4(model4)有二個堆疊單元;模型5(model5)有一個堆疊單元。

        2.2 實驗結(jié)果

        不同CNN 模型下?lián)p失(loss)的收斂情況對比如圖4 所示。從中可以看出,不同模型收斂曲線均在下降。由損失函數(shù)收斂情況可以看出算法的有效性。

        圖4 不同模型訓(xùn)練過程

        表1 為不同模型的分類結(jié)果對比

        圖5~圖9為不同模型識別結(jié)果保留兩位有效數(shù)字的歸一化混淆矩陣(confusion matrix)?;煜仃囈卜Q誤差矩陣,是一種呈現(xiàn)算法性能的可視化工具,可直觀表示預(yù)測精度。

        圖5 模型1識別結(jié)果混淆矩陣

        圖6 模型2識別結(jié)果混淆矩陣

        圖7 模型3識別結(jié)果混淆矩陣

        圖8 模型4識別結(jié)果混淆矩陣

        圖9 模型5識別結(jié)果混淆矩陣

        2.3 討論

        模型1與模型2比較可以得出dropout能提高分類性能,提升泛化性;模型1 與模型3 比較可得BN 層也會提高分類性能;模型1與模型4和模型5比較會發(fā)現(xiàn)深度網(wǎng)絡(luò)比淺層網(wǎng)絡(luò)性能更好。

        3 結(jié)論

        本文提出了基于CNN 的人臉表情識別建??蚣埽撃P陀奢斎雽?、卷積層、BN 層、dropout 層、全連接層、輸出層組成?;贔acial Expression Recognition數(shù)據(jù)集對人臉表情進行識別。實驗結(jié)果揭示了模型的有效性,并且考慮不同網(wǎng)絡(luò)層數(shù),Batch Normalization層和dropout層對模型性能的影響。

        人臉表情識別(facial expression recognition,FER)在旅游業(yè)中可以發(fā)揮重要作用?;谟慰偷拿娌勘砬樽R別,可以得到游客對景點和景區(qū)服務(wù)質(zhì)量滿意程度等相關(guān)信息,發(fā)現(xiàn)服務(wù)中的不足之處,及時做出調(diào)整和整改。將此模型應(yīng)用于“農(nóng)谷”旅游,可增強景區(qū)吸引力。在人臉表情識別中仍然存在一些挑戰(zhàn),例如對于非配合情況下的人臉圖像采集,遮擋問題、運動導(dǎo)致面部圖像模糊或攝像頭對焦不正確都會嚴(yán)重降低識別率,戴眼鏡、首飾和口罩等也會對識別率產(chǎn)生影響,未來工作中我們將進一步突破這些難點。

        猜你喜歡
        池化人臉旅游業(yè)
        基于緊湊型雙線性網(wǎng)絡(luò)的野生茵識別方法研究
        無線電工程(2024年8期)2024-09-16 00:00:00
        基于Sobel算子的池化算法設(shè)計
        云南出臺20條措施,加快旅游業(yè)恢復(fù)
        云南畫報(2022年4期)2022-05-05 05:59:54
        卷積神經(jīng)網(wǎng)絡(luò)中的自適應(yīng)加權(quán)池化
        有特點的人臉
        基于卷積神經(jīng)網(wǎng)絡(luò)和池化算法的表情識別研究
        三國漫——人臉解鎖
        動漫星空(2018年9期)2018-10-26 01:17:14
        中國旅游業(yè)2017的風(fēng)往哪吹?
        金色年華(2017年12期)2017-07-18 11:11:19
        馬面部與人臉相似度驚人
        長得象人臉的十種動物
        奇聞怪事(2014年5期)2014-05-13 21:43:01
        在线无码精品秘 在线观看| 国产欧美日韩综合精品一区二区| 精品亚洲成a人7777在线观看| 亚洲熟妇无码久久精品疯| 在线日本高清日本免费| 加勒比东京热中文字幕| 337p西西人体大胆瓣开下部| 亚洲AV成人片色在线观看高潮| 一区二区三区视频在线免费观看| 国产午夜视频在线观看.| 精品9e精品视频在线观看| 亚洲AV无码一区二区三区天堂网| 好看的国内自拍三级网站| 不卡日韩av在线播放| 亚洲国产精品日韩av不卡在线| 无码免费人妻超级碰碰碰碰| 求网址日韩精品在线你懂的| 一区二区三区无码高清视频| 国产综合久久久久| 色噜噜狠狠色综合中文字幕| 久久精品国产精品亚洲艾| 国产欧美va欧美va香蕉在| 乱中年女人伦av| 在线播放中文字幕一区二区三区| 久久精品国产亚洲av蜜点| 国产成熟人妻换╳╳╳╳| 色爱无码A V 综合区| 成人爽a毛片免费网站中国 | 日本在线一区二区三区四区| 国产精品国产三级国产a| 久久久精品人妻一区二区三区四| 99久久久69精品一区二区三区| 亚洲岛国一区二区三区| 日本大片免费观看视频| 亚洲国产夜色在线观看| 一区二区三区日本久久| 国产精品无码素人福利| 国产成人精品无码播放 | 久人人爽人人爽人人片av| 亚洲av成本人无码网站| 在线日本高清日本免费|