基于改进深度残差网络的低功耗表情识别

摘要：

为了提高表情识别率并降低表情识别的功耗,提出一种基于改进深度残差网络的表情识别方法.残差学习在解决深度卷积神经网络退化问题、使网络层次大幅加深的同时,进一步增加了网络的功耗.为此,引入具有生物真实性的激活函数来代替已有的整流线性单元(Rectified Linear Units,ReLU)函数,并将其作为卷积层激活函数对深度残差网络进行改进.该方法不仅提高了残差网络的精度,而且训练出的网络权重可直接作为与该深度残差网络具有相同结构的深度脉冲神经网络的权重.将该深度脉冲神经网络部署在类脑硬件上时,其能够以较高的识别率和较低的能耗进行表情识别.

关键词：表情识别、残差网络、Leaky Integrate and Fire(LIF)神经元、卷积神经网络

所属期刊栏目：45

分类号：TP183(自动化基础理论)

资助基金：广东省自然科学基金项目2016A030313713 ,2014A030310169 ,广东省产学研合作专项项目2014B090904080 ,广东省交通运输厅科技项目科技-2016-02-030

在线出版日期：2018-10-23（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：303-307,319