一组基于Tensorflow的CNN-RNN的融合架构实验 |
| |
引用本文: | 刘书朋,陈志强,陈娜,陈振宜,李太豪.一组基于Tensorflow的CNN-RNN的融合架构实验[J].工业控制计算机,2019,32(8):66-68. |
| |
作者姓名: | 刘书朋 陈志强 陈娜 陈振宜 李太豪 |
| |
作者单位: | 上海大学特种光纤与光接入网重点实验室,特种光纤与先进通信国际合作联合实验室,上海先进通信与数据科学研究院,上海 200444;上海健康医学院医疗器械学院,上海,201318 |
| |
基金项目: | 国家自然科学基金;国家自然科学基金;上海大学特种光纤与光接入网重点实验室开放项目;上海大学特种光纤与光接入网重点实验室开放项目 |
| |
摘 要: | 卷积神经网络对于静态局部结构有很强的抽象表达能力,循环神经网络能够从动态变化的序列数据中学习到时间上的关联性。如果将卷积神经网络和循环神经网络的优点进行结合,设计一种CNN-RNN的融合网络,那么在处理图像序列时,融合网络应能够提取更合适的特征表示,达到更好的识别效果。基于tensorflow深度学习框架,尝试多种可能的CNN-RNN融合框架,并使用CK+表情数据集进行测试,结果表明CNN-RNN框架能够有效地提取表情序列的特征,分类效果比CNN有明显的提升。
|
关 键 词: | 卷积神经网络 循环神经网络 Tensorflow 表情识别 |
A Fusion Architecture of CNN-RNN Based on Tensorflow |
| |
Abstract: | In this paper,two kinds of CNN-RNN fusion architectures that make linkage of CNN fully-connection or pooling layers and RNN input layers respectively are designed and implemented by the deep learning algorithm framework of Google Tensorflow.After the model training and testing with a dataset of Cohn-Kanade(CK+) in facial expression recognition task,the results show the later one was better in recognition accuracy. |
| |
Keywords: | convolutional neural network recurrent neural network expression recognition |
本文献已被 维普 万方数据 等数据库收录! |
|