基于改进的深度残差网络的表情识别研究

• 作者: 何俊 刘跃 李倡洪 李帅 沈津铭 王京威
• 来源期刊: 计算机应用研究
• 关键词: 深度学习 残差网络 表情识别 迁移学习 支持向量机
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 图形图像技术
• 页码范围: 1578-1581
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.10.0846

摘要

提出了一种基于改进的深度残差网络(residual network,ResNet)的表情识别算法.采用小卷积核和深网络结构,利用残差模块学习残差映射解决了随着网络深度增加网络精度下降的问题,通过迁移学习方法克服了因数据量不足导致训练不充分的缺点;网络架构使用了线性支持向量机(SVM)进行分类.实验中首先利用ImageNet数据库进行网络参数预训练,使网络具有良好的提取特征能力,根据迁移学习方法,利用FER-2013数据库以及扩充后的CK+数据库进行参数微调和训练.该算法克服了浅层网络需要依靠手工特征,深层网络难以训练等问题,在CK+数据库以及GENKI-4K数据库上分别取得了91.333％和95.775％识别率.SVM在CK+数据库的分类效果较softmax提高了1％左右.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何俊	南昌大学信息工程学院	15	232	7.0	15.0
2	刘跃	南昌大学信息工程学院	2	7	1.0	2.0
3	李倡洪	南昌大学信息工程学院	3	26	2.0	3.0
4	沈津铭	南昌大学信息工程学院	1	0	0.0	0.0
5	李帅	南昌大学信息工程学院	3	2	1.0	1.0
6	王京威	南昌大学信息工程学院	1	0	0.0	0.0