基于VGG的人脸表情识别与分类

摘要：

为了使人脸表情识别更加快速、准确,以满足复杂社会情境中的需求,本文研究了基于深度卷积神经网络的人脸表情识别方法,实现了人脸不同离散表情识别分类.针对现有数据集数据量不足、深度网络计算易出现过拟合现象等问题,本文基于人脸图片关键点进行了剪裁,获得64个子区域,将数据扩充为64倍,以达到数据增强的目的;使用基于VGG-19网络模型的卷积神经网络,对动作单元进行分类与强度计算,使用Sigmoid函数,使网络具备多标签多分类能力,并在VGG-19网络的第四组卷积层之后加入一个加权处理层,提高准确率.结果显示,增强后叠加的人脸表情识别与分类基本能够完成,而引入加权处理层后的准确率则得到了显著提高.

关键词：人脸表情;面部动作编码系统;动作单元;卷积神经网络;数据增强;加权处理

所属期刊栏目：11

分类号：TP183(自动化基础理论)

在线出版日期：2021-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：35-41