结合多层池化的卷积神经网络在表情识别中的应用

• 作者: 陈佳昌 肖飒 周伟松
• 来源期刊: 电讯技术
• 学科: 工学
• 关键词: 表情识别 卷积神经网络 Inception结构 多层池化
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 应用基础与前沿技术|Application Fundamental Research and Advanced Technology
• 页码范围: 288-291
• 页数: 4页
• 分类号: TP183|TP393.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-893x.2022.03.002

摘要

为了解决传统卷积神经网络(Convolutional Neural Network,CNN)对于人脸微表情识别的泛化能力差的问题,提出了一种改进的Inception结构与残差结构结合的卷积神经网络方法.首先在改进的Inception结构的基础上将输入特征直接映射到输出结果中构成残差结构,并针对表情局部特征复杂模糊等不足采用多层池化的方式进行优化,实现端到端的人脸表情识别.为防止训练数据量少、数据分布不均匀,采用了数据增强技术从原始数据集中生成更多的训练样本.新模型在Fer2013数据集上进行测试,准确率达到71.26％,表明该方法相比于传统的卷积神经网络具有更高的准确率,训练模型更加稳定.