基于小尺度核卷积的人脸表情识别

摘要：

针对现有表情识别方法中网络泛化能力差以及网络参数多导致计算量大的问题,提出一种利用小尺度核卷积的人脸表情识别方法.采用多层小尺度核卷积块代替大卷积核减少参数量,结合最大池化层提取面部表情图像特征,利用Softmax分类器对不同表情进行分类,并在相同感受野下增加网络深度避免特征丢失.实验结果表明,与FER2013 record、DNNRL等方法相比,该方法的人脸表情识别率更高,能有效实现人脸表情的准确分类.

关键词：小尺度核卷积、人脸表情识别、自然人机交互、表情特征、表情分类

所属期刊栏目：47

分类号：TP18(自动化基础理论)

资助基金：国家社会科学基金;国家科技支撑计划

在线出版日期：2021-05-07（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：262-267