深度学习下融合不同模型的小样本表情识别

• 作者: 李昊天 李骜 林克正 白婧轩
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 人脸表情识别(FER) 深度学习 尺度不变特征变换(SIFT) 模型融合 小样本
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 图形图像
• 页码范围: 482-492
• 页数: 11页
• 分类号: TP391.41
• 字数: 7411字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1904028

摘要

为了进一步提高人脸表情识别在小样本中的准确率,提出了一种深度学习下融合不同模型的小样本表情识别方法.该方法首先对单个卷积神经网络(CNN)模型进行比较,通过dropout层不同的节点保留概率p,筛选相对合适的CNN.之后采用尺度不变特征变换(SIFT)算法提取出特征,使用SIFT提取特征的目的是提高小数据的性能.为了减少误差,避免过拟合,将所有模型进行汇总,采用简单平均的模型融合方法得到CNN-SIFT-AVG模型.最后,只采用少量样本数据来训练模型即可.该模型已在FER2013、CK+和JAFFE数据集上进行了验证实验.实验结果表明,该模型可以很大程度上提高小样本表情识别的准确率,并在FER2013、CK+和JAFFE数据集上产生了较优异的结果,与其他表情识别方法相比,准确率最大提升约6％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林克正	哈尔滨理工大学计算机科学与技术学院	72	430	10.0	16.0
2	李骜	哈尔滨理工大学计算机科学与技术学院	12	10	2.0	2.0
3	李昊天	哈尔滨理工大学计算机科学与技术学院	4	4	1.0	1.0
4	白婧轩	哈尔滨理工大学计算机科学与技术学院	2	1	1.0	1.0