基于跨连接LeNet-5网络的面部表情识别

摘要：

为避免人为因素对表情特征提取产生的影响,本文选择卷积神经网络进行人脸表情识别的研究.相较于传统的表情识别方法需要进行复杂的人工特征提取,卷积神经网络可以省略人为提取特征的过程.经典的LeNet-5卷积神经网络在手写数字库上取得了很好的识别效果,但在表情识别中识别率不高.本文提出了一种改进的LeNet-5卷积神经网络来进行面部表情识别,将网络结构中提取的低层次特征与高层次特征相结合构造分类器,该方法在JAFFE表情公开库和CK+数据库上取得了较好的结果.

关键词：卷积神经网络、面部表情识别、特征提取、跨连接

所属期刊栏目：44

资助基金：国家自然科学基金60772168资助Supported by National Natural Science Foundation of China60772168

在线出版日期：2018-03-13（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：176-182