融合Multi-scale CNN和Bi-LSTM的人脸表情识别研究

• 作者: 李军 李明
• 来源期刊: 北京联合大学学报（自然科学版）
• 学科: 工学
• 关键词: 多尺度卷积神经网络 双向长短期记忆 特征融合 批标准化层 正则化
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 智能控制与智能计算
• 页码范围: 35-39,44
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.16255/j.cnki.ldxbz.2021.01.005

摘要

为了有效改善现有人脸表情识别模型中存在信息丢失严重、特征信息之间联系不密切的问题,提出一种融合多尺度卷积神经网络(Multi-scale CNN)和双向长短期记忆(Bi-LSTM)的模型.Bi-LSTM可以增强特征信息间的联系与信息的维持,在Multi-scale CNN中通过不同尺度的卷积核可以提取到更加丰富的特征信息,并通过加入批标准化(BN)层与特征融合处理,从而加快网络的收敛速度,有利于特征信息的重利用,再将两者提取到的特征信息进行融合,最后将改进的正则化方法应用到目标函数中,减小网络复杂度和过拟合.在JAFFE和FER-2013公开数据集上进行实验,准确率分别达到了95.455％和74.115％,由此证明所提算法的有效性和先进性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李军		19	21	2.0	3.0
2	李明		22	143	5.0	11.0