基于SWA优化级联网络的表情识别方法

• 作者: 史志才 张翔 陈良
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 表情识别 卷积神经网络 随机权重平均 随机梯度下降法 Fer2013数据集 网络级联
• 年，卷（期）: 2020,（9）
• 页码范围: 16-20
• 页数: 5页
• 分类号: TP391
• 字数: 3101字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2020.09.003

摘要

为了提高表情识别技术的检测精度,文中提出了一种采用随机权重平均SWA优化级联网络的人脸表情识别方法.与单个卷积网络相比,多网络级联能得到更好的检测精度.相对于传统的SGD训练方法,SWA训练方法能增强级联网络中子网络的泛化能力,进一步提高模型的整体性能.通过在Fer2013数据集上测试实验发现,基于SWA方法训练采用加权求和法方式级联的网络模型识别准确率达到74.478％,相对于传统SGD方法训练的单网络模型提高了1.4％以上.另外,与其他典型方法相比,所提改进模型的识别准确率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	史志才	上海工程技术大学电子电气工程学院	47	154	7.0	11.0
2	陈良	上海工程技术大学电子电气工程学院	5	0	0.0	0.0
3	张翔	上海工程技术大学电子电气工程学院	9	0	0.0	0.0