基于卷积神经网络和注意力机制的人眼闭合检测算法
前言
卷积神经网络
近年来,基于神经网络的识别方法已经成为一个热门的研究专题,该方法可用于特征提取和模式识别
输入脸部图像之后,会自动形成特征提取器和分类器,通过减少多层网络的卷积维度,从而提取面部的主要特征
神经网络方法应用在人脸识别上有一定特殊的优势就在于这种方法有良好的自我学习和适应的能力
因为对人脸识别的大多数规律和规则无法进行显性描述,但可以通过神经网络的学习过程获得其隐性表达
在本项目中,通过卷积神经网络可以对人眼闭合的数据集进行二分类
注意力机制
注意力可以看作是学习输入信号中最有用的成分的工具,它着重于重要特征并抑制不必要的特征
自从被提出用以解决机器翻译问题以来,注意力模型(Attention Model,AM)广泛应用于人工智能相关领域
如自然语言处理、语音识别和计算机视觉等,已经成为神经网络研究的一个重要领域
在本项目中,将更精确的集中到眼部有效区域的特征
数据集
本研究选用S.F.Song,X.Tan,X.Liu和S.Chen提供的完全开源的野外闭眼的人脸图片数据集
包括2384张闭眼时捕捉的图像,以及2462张睁眼时捕捉的图像,共4846张不同大小和状态的人眼图像
源代码
本项目的源代码已完全公开
致谢
感谢Taehee Lee对于卷积神经网络实现的帮助和解