基于CNN和LSTM的人脸表情识别模型设计

摘要：

人脸表情能够正确地反映人的内心活动,但由于表情的复杂性和微妙性,准确地识别人脸表情仍然是一大难题.本文设计了一种基于卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的方法让计算机能够识别人脸的表情,损失函数采用Focal loss.该框架包括3个方面:采用两种不同的预处理技术处理光照变化,并保留图像的边缘信息;预处理后的图像被输入到两个独立的CNN层用于提取特征;将提取到的特征与LSTM层融合.使用FER2013、JAFFE和CK+3个数据集验证模型准确性,并选择FER2013数据集制作混合矩阵,结果为该模型在FER2013数据集上的准确率相比于目前先进模型提升了9.65％,在JAFFE和CK+数据集上也表现良好,结果表明所提出的模型具有较强的泛化能力.

关键词：人脸表情;CNN;LSTM;Focal loss

所属期刊栏目：44

分类号：TP183(自动化基础理论)

资助基金：国家海洋局重大专项

在线出版日期：2021-12-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：160-164