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

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(qiáng)的關(guān)聯(lián)性，可以為商業(yè)、飲食業(yè)、運(yùn)輸業(yè)等多產(chǎn)業(yè)注入強(qiáng)大的生機(jī)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(jì)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(lái)，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(jī)器學(xué)習(xí)分類(lèi)器選擇出行方式，基于監(jiān)督學(xué)習(xí)方法對(duì)旅行目的地的在線評(píng)論進(jìn)行情感分類(lèi),通過(guò)機(jī)器學(xué)習(xí)，預(yù)測(cè)個(gè)人的出行方式，使用深度學(xué)習(xí)進(jìn)行旅游時(shí)間預(yù)測(cè)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(shí)別技術(shù)得到前所未有的發(fā)展。作為人臉識(shí)別技術(shù)的一個(gè)重要組成部分，人臉表情識(shí)別(facial expression recognition,FER) 在旅游業(yè)中發(fā)揮重要作用?；谟慰偷拿娌勘砬樽R(shí)別，可以得到游客對(duì)景點(diǎn)和景區(qū)服務(wù)質(zhì)量滿(mǎn)意程度等相關(guān)信息。表情識(shí)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(duì)圖片預(yù)處理及特征提??；深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，是具有大量隱藏層的神經(jīng)網(wǎng)絡(luò)算法。由于先進(jìn)的優(yōu)化技術(shù)和強(qiáng)大的GPU 計(jì)算能力，深度學(xué)習(xí)對(duì)表情識(shí)別的發(fā)展起到極大推動(dòng)作用。它打破了傳統(tǒng)方法的固有模式，并且提高了表情識(shí)別系統(tǒng)的準(zhǔn)確率及魯棒性。本文將人臉表情識(shí)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(shí)別模型。特別地，考慮了不同網(wǎng)絡(luò)層數(shù)，有無(wú)Batch Normalization 層和dropout層對(duì)模型性能的影響。通過(guò)人臉表情進(jìn)行情感識(shí)別與分析，進(jìn)而改善景區(qū)服務(wù)質(zhì)量，提升游客對(duì)景區(qū)的滿(mǎn)意度，促進(jìn)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(dòng)物大腦皮層神經(jīng)元結(jié)構(gòu)啟發(fā)發(fā)明的計(jì)算模型，它可以準(zhǔn)確近似任意連續(xù)函數(shù)?；谶@種強(qiáng)大的運(yùn)算能力，ANN 被廣泛應(yīng)用于許多問(wèn)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(jiǎn)化的ANN 結(jié)構(gòu)，主要用于解決困難的圖像驅(qū)動(dòng)模式識(shí)別任務(wù)。CNN 使用權(quán)共享策略，能有效節(jié)省訓(xùn)練開(kāi)銷(xiāo)。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(gè)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(guò)計(jì)算輸入?yún)^(qū)域與權(quán)重之間的標(biāo)量積來(lái)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(wèn)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(jiǎn)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(guò)擬合現(xiàn)象。常見(jiàn)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(diǎn)是會(huì)丟失信息，防止過(guò)擬合的同時(shí)有可能帶來(lái)欠擬合。隨著計(jì)算機(jī)性能的提升，使用池化的頻率已變得越來(lái)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(gè)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(guò)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(shí)別模型

數(shù)據(jù)來(lái)源于Facial Expression Recognition 數(shù)據(jù)集。面部表情分為七個(gè)情感類(lèi)別。整個(gè)程序在Python 3.6中使用，實(shí)驗(yàn)環(huán)境為：主機(jī)CPU 型號(hào)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T(mén)ensorFlow 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(gè)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(gè)堆疊單元；模型5(model5)有一個(gè)堆疊單元。

2.2 實(shí)驗(yàn)結(jié)果

不同CNN 模型下?lián)p失(loss)的收斂情況對(duì)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(guò)程

表1 為不同模型的分類(lèi)結(jié)果對(duì)比

圖5～圖9為不同模型識(shí)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(chēng)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(cè)精度。

圖5 模型1識(shí)別結(jié)果混淆矩陣

圖6 模型2識(shí)別結(jié)果混淆矩陣

圖7 模型3識(shí)別結(jié)果混淆矩陣

圖8 模型4識(shí)別結(jié)果混淆矩陣

圖9 模型5識(shí)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(lèi)性能，提升泛化性；模型1 與模型3 比較可得BN 層也會(huì)提高分類(lèi)性能；模型1與模型4和模型5比較會(huì)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(shí)別建模框架，該模型由輸入層、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(duì)人臉表情進(jìn)行識(shí)別。實(shí)驗(yàn)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(duì)模型性能的影響。

人臉表情識(shí)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(shí)別，可以得到游客對(duì)景點(diǎn)和景區(qū)服務(wù)質(zhì)量滿(mǎn)意程度等相關(guān)信息，發(fā)現(xiàn)服務(wù)中的不足之處，及時(shí)做出調(diào)整和整改。將此模型應(yīng)用于“農(nóng)谷”旅游，可增強(qiáng)景區(qū)吸引力。在人臉表情識(shí)別中仍然存在一些挑戰(zhàn)，例如對(duì)于非配合情況下的人臉圖像采集，遮擋問(wèn)題、運(yùn)動(dòng)導(dǎo)致面部圖像模糊或攝像頭對(duì)焦不正確都會(huì)嚴(yán)重降低識(shí)別率，戴眼鏡、首飾和口罩等也會(huì)對(duì)識(shí)別率產(chǎn)生影響，未來(lái)工作中我們將進(jìn)一步突破這些難點(diǎn)。