融合CNN与BLSTM神经网络的面部表情识别

• 作者: 王忠民 缑田田 衡霞
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 面部表情识别 3DCNN BLSTM
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 信息融合
• 页码范围: 2978-2983
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.12.032

摘要

为了有效处理面部表情识别中特征提取不完整和特征选择偏差较大等问题,研究了一种新的融合多种卷积神经网络的融合算法.首先通过采用三维卷积神经网络(3-dimensional Convolutional Neural Network,3D CNN)对连续的多张图片中的特征进行提取.然后把特征信息送至双向长短记忆网络(Bidirectional Long Short-Term Memory,BLSTM)递归神经网络得到这些特征在时域上的映射信息,最后通过softmax分类器得到分类结果.通过真实的数据集实验,将新的融合算法与其他几种常见方法进行了对比分析,结果表明能够有效提高分类准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王忠民		88	745	14.0	23.0
2	衡霞		9	67	3.0	8.0
3	缑田田		1	0	0.0	0.0