首页 > 论文 > 激光与光电子学进展 > 57卷 > 14期(pp:141501)

基于集成卷积神经网络的面部表情分类

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

针对传统机器学习中人工提取特征复杂度高,以及单卷积网络提取特征不充分导致识别率不高的问题,提出了一种基于集成卷积神经网络的面部表情识别新方法。方法是将VGGNet-19改进后的VGGNet-19GP模型和ResNet-18模型进行集成,构建了集成网络(EnsembleNet)模型。该模型首先在训练集上对单模型进行训练,使单模型达到实验最优,然后在测试集上进行集成测试。在FER2013和CK+数据集上分别实现了73.826%和97.623%的平均准确率。经过与VGGNet-19GP和ResNet-18模型以及现有方法进行对比,表明了基于集成的面部表情分类方法具有分类更加准确,泛化能力更强的优点。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop57.141501

作者单位:

    内蒙古科技大学
    内蒙古科技大学
    内蒙古科技大学
    内蒙古科技大学
    内蒙古科技大学
    内蒙古科技大学

引用该论文

周涛,吕晓琪,任国印,谷宇,张明,李菁. 基于集成卷积神经网络的面部表情分类[J].激光与光电子学进展,2020,57(14):141501.