基于SR-VGG19的人脸表情识别算法研究

针对人脸表情识别率低、泛化能力弱的问题,提出一种基于改进卷积神经网络的表情识别算法.对VGG19网络模型进行优化,采用改进的区域候选网络(Improved Regional Proposal Network,IRPN)代替滑动窗口以避免图像特征的重复提取;在输出层之前使用空间金字塔池化(Spatial Pyramid Pooling,SPP)来提高图像特征的表达能力.通过应用Dropout和批归一化(Batch Normalization,BN)策略来解决过拟合问题,并提高网络模型的泛化能力.采用经典的FER2013和CK+人脸表情数据库对该算法与2013年Kaggle比赛前十名的算法和最近几年提出的人脸表情识别算法分别进行对比实验.结果表明,论文提出的算法人脸表情识别率优于上述算法,分别为73.1％(FER2013)和98.99％(CK+),可实现较好的人脸表情识别效果.     

基于RV-FCN的CT肝脏影像自动分割算法

由于肝脏的大小、形状因人而异,且CT影像中肝脏与其毗邻器官的灰度对比值较低,难以精准地判断肝脏影像的边界信息。为此,提出一种基于全卷积神经网络(FCN)的改进算法,在FCN的基础上引入残差和VGG-16网络,得到肝脏影像的初始分割结果。引入批归一化和PReLU激活函数,提高网络的泛化能力和收敛速度。采用条件随机场方法,进一步优化分割结果,提高分割准确率。通过VTK和ITK系统对二维肝脏影像进行三维重建。在3DIRCADb数据集上的实验结果验证了该算法的有效性和高效性。