融合深度信念网络和多层感知器的人脸表情识别
深度信念网络是当前新出现的深度学习理论的一种代表性方法,具有较强的无监督特征学习能力,但没有分类能力.为了有效提高人脸表情识别性能,提出一种融合深度信念网络和多层感知器的人脸表情识别新方法.首先采用深度信念网络对提取的原始人脸表情图像的初级特征进行无监督学习,得到更高层次的抽象特征,然后将其用于初始化多层感知器模型中的隐层网络权重值,最后利用该初始化后的多层感知器实现人脸表情的分类.在JAFFE数据库的实验结果表明,该方法能够取得最好的人脸表情正确识别率为90.95%,比其它分类方法要高得多.可见,该方法用于人脸表情识别,可以较好地改善识别性能.
深度信念网络、深度学习、人脸表情识别
36
TP391(计算技术、计算机技术)
国家自然科学基金项目61272261,61203257
2016-09-18(万方平台首次上网日期,不代表论文的发表时间)
共4页
1629-1632