基于ROI-KNN卷积神经网络的面部表情识别
深度神经网络已经被证明在图像、语音、文本领域具有挖掘数据深层潜在的分布式表达特征的能力。通过在多个面部情感数据集上训练深度卷积神经网络和深度稀疏校正神经网络两种深度学习模型,对深度神经网络在面部情感分类领域的应用作了对比评估。进而,引入了面部结构先验知识,结合感兴趣区域(Region of interest, ROI)和K最近邻算法(K-nearest neighbors, KNN),提出一种快速、简易的针对面部表情分类的深度学习训练改进方案—ROI-KNN,该训练方案降低了由于面部表情训练数据过少而导致深度神经网络模型泛化能力不佳的问题,提高了深度学习在面部表情分类中的鲁棒性,同时,显著地降低了测试错误率。
卷积神经网络、面部情感识别、模型泛化、先验知识
42
TP3;TP1
国家自然科学基金重点项目61432004;安徽省自然科学基金1508085QF119;模式识别国家重点实验室开放课题NLPR201407345;中国博士后科学基金2015M580532;合肥工业大学2015年国家省级大学生创新训练计划项目2015cxcys109资助Supported by Key Program of National Natural Foundation Science of China61432004;the Natural Science Foundation of Anhui Province1508085QF119;Open Project Program of the National Laboratory of Pattern RecognitionNLPR201407345;China Postdoctoral Science Foundation2015M580532;Na-tional Training Program of Innovation and Entrepreneurship for HFUT Undergraduates2015cxcys109
2016-07-21（万方平台首次上网日期，不代表论文的发表时间）
共9页
883-891
