基于兴趣区域深度神经网络的静态面部表情识别

被引：11

作者：

孙晓

潘汀

机构：

[1] 合肥工业大学计算机与信息学院

来源：

电子学报 | 2017年 / 45卷 / 05期

基金：

安徽省自然科学基金; 国家自然科学基金重点项目; 中国博士后科学基金;

关键词：

K兴趣区域; 深度神经网络; 深度学习; 面部表情识别;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP391.41 [];

学科分类号：

080203 ;

摘要：

通过在面部表情数据集上训练深度卷积神经网络、深度稀疏校正神经网络两种模型,对两种深度神经网络在静态面部表情识别方面的应用作了对比和分析.基于面部表情的结构先验知识,提出一种面向面部表情识别的改良方法——K兴趣区域方法,该方法在构建的开放实验数据集上,降低了由于训练数据过少而导致深度神经网络模型泛化能力不佳的问题,使得混合模型普遍且显著地降低了测试错误率.进而,结合实验结果进行了深入分析,并对深度神经网络在任意图像数据集上的可能有效性进行了深入剖析和分析.

引用

页码：1189 / 1197

页数：9