10.16208/j.issn1000-7024.2019.10.040
基于跨连特征融合网络的面部表情识别
传统神经网络特征单向处理难以有效利用高层抽象特征和低层细节特征,不能获得更多有用信息,为此提出跨连特征融合神经网络(cross-connected feature fuse,CFF)模型,进一步提高面部表情分类的准确率.在AlexNet卷积神经网络的基础上,通过结合低层池化层与高层池化层中的特征,获取更多全面、细致的表情特征信息,使用矩阵的方式表示模型处理过程.在REN VFEdb面部表情数据库上的实验结果表明,CFF的分类准确率为93.56%,比AlexNet卷积神经网络提高了1.12%.
面部表情识别、卷积神经网络、特征融合、AlexNet、跨层连接
40
TP39(计算技术、计算机技术)
江苏省科技成果转化专项资金基金项目BA2015045;南通市科技计划基金项目GY2015010;江苏省前瞻性联合研究基金项目BY2016053-10;南通大学研究生科研创新计划基金项目YKC16013
2019-11-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
2969-2973