基于忆阻器卷积神经网络的表情识别

摘要：

忆阻器具有纳米级尺寸、低功耗、类似神经突触等优点,在神经计算、图像分类等领域具有广阔的应用前景..本文提出了一种基于忆阻器卷积神经网络的面部表情识别方法,首先基于忆阻器构建了 ResNet卷积神经网络,并对ResNet网络进行剪枝操作,然后将ResNet模型的所有卷积层以及全连接层的权重映射为忆阻器十字交叉阵列中忆阻器的忆导值.实验结果显示忆阻器卷积神经网络模型在FER2013数据集上的识别准确率为63.82％,在CK+数据集上的识别准确率为93.95％.相比与原卷积网路,准确率损失仅分别为0.31％和0.76％.最后测试了忆阻器的非理想特性对准确率的影响,为忆阻器神经网络的实际部署提供参考.

关键词：忆阻器神经网络、表情识别、ResNet、卷积神经网络

所属期刊栏目：45

分类号：TP391.41(计算技术、计算机技术)

资助基金：江苏高校优势学科Ⅲ期建设工程项目;国家自然科学基金;江苏省自然科学基金

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：93-101