基于卷积神经网络的人脸表情识别
由于人脸表情之间的差别很细微,为了提高卷积神经网络对人脸表情特征提取能力及其识别精度,把连续卷积引入到卷积神经网络模型中,改进后的模型采用小尺度的卷积核可以使得提取到的人脸表情特征更精密,两个连续的卷积层使模型的非线性表达能力得到增强.提出网络权值优化操作,构建SOM网络进行预学习,将最优学习结果的神经元用于初始化连续卷积神经网络,实验结果表明优化后的卷积神经网络对人脸表情图像识别精度得到了提高.
卷积神经网络、连续卷积、SOM神经网络、特征提取
37
TN957.52+9;TP83
2019-06-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
106-110