基于改进的深度残差网络的表情识别研究

• 作 者: 何俊 刘跃 李倡洪 沈津铭 李帅 王京威
• 机 构: 南昌大学信息工程学院
• 出 处: 计算机应用研究
• 发表日期: 2020年05期
• 关键词: 深度学习 残差网络 表情识别 迁移学习 支持向量机 deep learningresidual networkfacial expression recogni
• 基金项目: 国家自然科学基金资助项目(61463034)

提出了一种基于改进的深度残差网络(residual network,ResNet)的表情识别算法。采用小卷积核和深网络结构,利用残差模块学习残差映射解决了随着网络深度增加网络精度下降的问题,通过迁移学习方法克服了因数据量不足导致训练不充分的缺点;网络架构使用了线性支持向量机(SVM)进行分类。实验中首先利用ImageNet数据库进行网络参数预训练,使网络具有良好的提取特征能力,根据迁移学习方法,利用FER-2013数据库以及扩充后的CK+数据库进行参数微调和训练。该算法克服了浅层网络需要依靠手工特征