基于深度可分离卷积结构的人脸表情识别研究

• 作者: 李涛 鞠聪
• 来源期刊: 电脑与电信
• 学科: 工学
• 关键词: 人脸表情识别 卷积神经网络 深度可分离卷积
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 基金项目
• 页码范围: 1-5
• 页数: 5页
• 分类号: TP391.41
• 字数: 3273字
• 语种: 中文

摘要

人脸表情识别是计算机视觉领域中人脸识别的一个重要分支.由于人脸表情多样性,头部姿态变化以及表情主体所处环境等诸多因素的影响,给人脸表情识别的工作带来了很大的挑战.针对采用传统卷积神经网络,由于其模型参数数量多,且比传统机器学习算法的人脸表情识别精度的提高有限,给出了一种基于深度可分离卷积结构的改进卷积神经网络模型.基于该模型对Fer2013灰度表情识别数据集进行实验,结果表明,在保证了68.31％的较高准确率情况下,与传统卷积神经网络相比,模型的网络结构得到了优化,模型参数数量大大减少,且模型参数的利用效率较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李涛	南京邮电大学通信与信息工程学院	35	164	6.0	11.0
2	鞠聪	南京邮电大学通信与信息工程学院	1	0	0.0	0.0