基于深度残差网络的人脸表情识别

• 作者: 卢官明 朱海锐 郝强 闫静杰
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 人脸表情识别 卷积神经网络 深度残差网络 残差学习 深度学习
• 年，卷（期）: 2019,（1）
• 页码范围: 50-57
• 页数: 8页
• 分类号: TP391
• 字数: 4419字
• 语种: 中文
• DOI: 10.16337/j.1004?9037.2019.01.006

摘要

针对深度卷积神经网络随着卷积层数增加而导致网络模型难以训练和性能退化等问题,提出了一种基于深度残差网络的人脸表情识别方法.该方法利用残差学习单元来改善深度卷积神经网络模型训练寻优的过程,减少模型收敛的时间开销.此外,为了提高网络模型的泛化能力,从KDEF和CK+两种表情数据集上选取表情图像样本组成混合数据集用以训练网络.在混合数据集上采用十折(10-fold)交叉验证方法进行了实验,比较了不同深度的带有残差学习单元的残差网络与不带残差学习单元的常规卷积神经网络的表情识别准确率.当采用74层的深度残差网络时,可以获得90.79％的平均识别准确率.实验结果表明采用残差学习单元构建的深度残差网络可以解决网络深度和模型收敛性之间的矛盾,并能提升表情识别的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢官明	南京邮电大学通信与信息工程学院	74	904	16.0	29.0
2	闫静杰	南京邮电大学通信与信息工程学院	16	123	5.0	11.0
3	朱海锐	南京邮电大学通信与信息工程学院	1	2	1.0	1.0
4	郝强	南京邮电大学通信与信息工程学院	1	2	1.0	1.0