基于改进的VGG19网络的面部表情识别
在深度学习中,传统的卷积神经网络对面部表情特征的提取不充分以及计算参数量较大的问题,导致分类准确率偏低.因此,提出了一种基于改进的VGG19网络的人脸表情识别算法.首先,对数据进行增强如裁剪、翻转等处理,然后采用平均池化取代全连接操作从而大幅降低网络的参数量,最后,测试的时候采用了10折交叉验证的方法增加数据量以提升模型的泛化能力.实验结果表明,改进后的神经网络在FER2013测试数据集上的识别准确率为72.69%.
深度学习、卷积神经网络、表情识别、VGG19
16
TP311(计算技术、计算机技术)
江苏省研究生科研创新项目号:KYCX19_2312
2020-11-20(万方平台首次上网日期,不代表论文的发表时间)
共2页
187-188