基于迁移卷积神经网络的人脸表情识别

摘要：

人脸表情识别在计算机视觉领域引起广泛关注,为了解决实际应用中出现的小数据集和硬件限制问题,引入迁移学习方法,将Image-Net上训练好的Inception_v3网络迁移到表情识别任务中,使用FER2013数据集进行参数学习完成表情识别任务,识别率达到了80.4％,且无过拟合现象,网络泛化效果好.基于迁移网络处理的是复杂度更大的分类问题,提取的抽象信息并不都对表情识别任务有利,进一步在迁移学习网络后加入了卷积层和池化层进行表情特征提取和冗余信息筛除,识别率提高到了87.5％.

关键词：表情识别、卷积神经网络、迁移学习、CK+、FER2013

所属期刊栏目：15

分类号：TP18(自动化基础理论)

资助基金：河海大学常州校区科技基金

在线出版日期：2019-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：191-194