基于卷积神经网络的人脸表情识别

摘要：

表情识别在医学、商业和刑事侦查等领域中有着广泛的应用前景.针对表情识别技术的研究历时半个世纪,经历了由传统的手工提取特征向卷积神经网络自动提取特征的飞跃.卷积神经网络由于其自学习能力因而得到了广泛应用,但仍存在训练时间过长、参数量过大等问题.该文针对以上问题,在Xception神经网络的基础上简化了模型的网络层级,删除了传统神经网络的全连接层并使用深度可分离卷积替代传统的卷积层,构造了mini-Xception网络模型.通过在Fer2013公开人脸表情数据集上进行实验,取得了66％的识别精度.改进后的模型显著降低了训练参数量并缩短了训练时间,提高了模型的泛化能力.

关键词：表情识别、卷积神经网络、批量归一化、图像分类

所属期刊栏目：16

分类号：TP18(自动化基础理论)

在线出版日期：2020-07-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：19-23