基于改进MobileNet网络的人脸表情识别

• 作者: 何小海 卿粼波 周欣 王正勇 王韦祥
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: MobileNet 表情识别 深度可分离卷积 支持向量机
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 137-144
• 页数: 8页
• 分类号: TP391.4
• 字数: 5890字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.04.023

摘要

针对轻量级卷积神经网络MobileNet应用于人脸表情识别实时性较差、最小输入尺寸较大、准确率不高等问题,提出一种改进的MobileNet网络模型——M-MobileNet(Modified MobileNet).M-MobileNet具有比原网络更好的轻量级特性.该网络模型基于一种改进的深度可分离卷积层,不仅具有MobileNet模型中深度可分离卷积减少卷积计算量的特点,还解决了在深度卷积层后可能会导致信息丢失的问题.在分类器选择上,M-MobileNet使用线性支持向量机(SVM)进行人脸表情分类,参数量较MobileNet网络大大减少.在CK+、KDEF数据集及移动端上的实验证明,改进后的MobileNet网络模型具有更好的识别性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何小海	四川大学电子信息学院	395	2334	21.0	30.0
2	王正勇	四川大学电子信息学院	126	539	12.0	17.0
3	卿粼波	四川大学电子信息学院	181	565	11.0	15.0
4	周欣	四川大学电子信息学院	38	275	8.0	16.0
6	王韦祥	四川大学电子信息学院	1	0	0.0	0.0