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)大學基礎部,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,如利用機器學習分類器選擇出行方式,基于監(jiān)督學習方法對旅行目的地的在線評論進行情感分類,通過機器學習,預測個人的出行方式,使用深度學習進行旅游時間預測等。

        隨著智能設備的普及和深度學習的發(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)方法和深度學習方法,傳統(tǒng)方法需要對圖片預處理及特征提取;深度學習是機器學習的一個分支,是具有大量隱藏層的神經(jīng)網(wǎng)絡算法。由于先進的優(yōu)化技術(shù)和強大的GPU 計算能力,深度學習對表情識別的發(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)的準確率及魯棒性。本文將人臉表情識別應用于旅游領域中,建立了基于卷積神經(jīng)網(wǎng)絡的人臉表情識別模型。特別地,考慮了不同網(wǎng)絡層數(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

        1.1 神經(jīng)網(wǎng)絡

        人工神經(jīng)網(wǎng)絡(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

        1.2 卷積神經(jīng)網(wǎng)絡

        卷積神經(jīng)網(wǎng)絡(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。CNN 使用權(quán)共享策略,能有效節(jié)省訓練開銷。由于CNN 是ANN 的特殊形式,訓練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)重之間的標量積來確定神經(jīng)元的輸出。

        為了克服神經(jīng)網(wǎng)絡層數(shù)加深導致難以訓練的現(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是訓練神經(jīng)網(wǎng)絡的一種正則化技術(shù),讓某個神經(jīng)元的激活值以一定的概率p 停止工作,能夠避免在訓練數(shù)據(jù)上產(chǎn)生復雜的相互適應,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

        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,深度學習框架為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)。混淆矩陣也稱誤差矩陣,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)絡比淺層網(wǎng)絡性能更好。

        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)服務質(zhì)量滿意程度等相關(guān)信息,發(fā)現(xiàn)服務中的不足之處,及時做出調(diào)整和整改。將此模型應用于“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、運動導致面部圖像模糊或攝像頭對焦不正確都會嚴重降低識別率,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算子的池化算法設計
        云南出臺20條措施,加快旅游業(yè)恢復
        云南畫報(2022年4期)2022-05-05 05:59:54
        卷積神經(jīng)網(wǎng)絡中的自適應加權(quán)池化
        軟件導刊(2022年3期)2022-03-25 04:45:04
        有特點的人臉
        基于卷積神經(jīng)網(wǎng)絡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
        精品亚亚洲成av人片在线观看| 777午夜精品免费观看| av无码久久久久久不卡网站| 日本熟妇hd8ex视频| 国产一区精品二区三区四区| 国产亚洲aⅴ在线电影| 一区二区三区在线 | 欧| 欧美国产高清| 日本一区二区在线看看| 干日本少妇一区二区三区| 亚洲国产av精品一区二区蜜芽| 91精选视频在线观看| 加勒比东京热久久综合| 国产一品二品精品在线| 日产亚洲一区二区三区| 有码精品一二区在线| 青青草一级视频在线观看| 性感女教师在线免费观看| 人人色在线视频播放| 欧美色欧美亚洲另类二区不卡| 国产三级国产精品国产专区| 人妻久久一区二区三区蜜桃| 精品国产乱码久久久久久影片| 男人j进女人p免费视频| 国产成人高清亚洲一区二区| 少妇真人直播免费视频| 国产av人人夜夜澡人人爽| 欧亚精品无码永久免费视频| av在线免费观看男人天堂| 亚洲人成人无码www影院| yeyecao亚洲性夜夜综合久久| 扒下语文老师的丝袜美腿| 女同精品一区二区久久| 国产精品夜间视频香蕉| 国产精品 精品国内自产拍| 视频一区精品中文字幕| 精品九九人人做人人爱| 99久久精品国产一区二区蜜芽| 网红极品女神精品视频在线| 精品人妻va一区二区三区| 天堂…在线最新版资源|