基于卷积神经网络的人脸表情识别研究
人脸表情识别是计算机视觉领域的一项重要任务.针对经典VGG模型参数量巨大、训练成本较高的问题,提出了一种基于VGG模型的改进卷积神经网络.改进的模型减少全连接层的使用有效减少了参数量,加入批规范化层和dropout随机失活操作,进一步加速了模型的收敛,从而获得较好的分类效果.实验采用FER2013公开人脸表情数据集,实验结果表明,改进的模型提高了表情识别的准确率率和泛化能力,减少了时间消耗.
卷积神经网络、人脸表情识别、表情分类、批规范化、卷积
15
G642(高等教育)
2019-07-18(万方平台首次上网日期,不代表论文的发表时间)
共3页
212-213,215