基于改进ResNet的人脸表情识别研究

摘要：

基于ResNet-50深度卷积神经网络,并结合uni-app和Django开发框架,设计了一个可以随时抓拍照片并识别的系统.为降低算力消耗、提升人脸表情识别的准确率和效率,在数据预处理方面采用了人脸裁剪、翻转、旋转等数据增强方法,在网络模型上,把静态ReLU激活函数替换为动态ReLU,最终在训练集上达到99.56％、验证集上达到93.25％的准确率,相比于替换激活函数之前验证集的准确率提升了2.07％,表明数据增强和模型改进的有效性.

关键词：卷积神经网络;表情识别;人脸检测;数据处理;动态ReLU

所属期刊栏目：39

分类号：TP181(自动化基础理论)

资助基金：黑龙江省教育厅高等教育教学改革研究项目;东北石油大学青年科学基金项目;东北石油大学引导性创新资金项目

在线出版日期：2021-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1205-1210