10.3979/j.issn.1673-825X.202009150281
改进多尺度卷积神经网络的人脸表情识别研究
为了有效改善现有人脸表情识别模型中存在的信息丢失严重、组件间相对空间联系不密切的问题,提出了一种改进的多尺度卷积神经网络模型,通过构建深层多尺度卷积神经网络,使模型能够挖掘出更多潜在的特征信息;通过特征融合促进信息的流通和重利用,减少池化操作所引起的重要信息丢失,使得模型具有更好的学习能力;通过控制每层多尺度卷积神经网络的卷积核大小来平衡全局特征与局部特征之间的关系,从而增强不同组件间的相对空间联系,避免了特征图通道信息的冗余.在两种不同的人脸表情识别数据集JAFFE和FER-2013上进行验证表明,算法在测试集上的准确率分别达到了95.45%和76.56%,证明了所提算法的有效性和先进性.
多尺度卷积、特征融合、卷积核、全局特征、局部特征
34
TP391.4(计算技术、计算机技术)
重庆市研究生教改重点项目;重庆师范大学研究生项目;重庆师范大学教改项目
2022-05-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
201-207