10.3969/j.issn.1000-386x.2022.12.026
基于LBP特征和权重最优下的CNN人脸表情识别
为了提高训练速度和浅层卷积神经网络下的人脸表情识别效果,提出一种基于LBP特征和权重最优下的卷积神经网络(CNN)人脸表情识别方法.通过对原始样本数据集进行预处理,并将处理好的数据集利用局部二值模式(LBP)获取局部纹理特征;将得到的LBP特征的样本数据集进行多次随机打乱,加入到自己创建的浅层CNN中,利用随机梯度下降算法(SGD)对每次打乱的样本数据集进行训练及验证,并保存最优权重下的CNN模型;用测试集对CNN模型在CK+数据集和FER2013数据集上进行10倍交叉验证并分别取得了97.2％和71.4％的识别率.实验结果表明,该方法不仅使网络训练迭代的速度变快,而且能有效增强人脸表情识别的效果,具有较强的鲁棒性.
表情识别、卷积神经网络、局部二值模式、权重最优
39
TP391.4(计算技术、计算机技术)
国家自然科学基金;青岛科技大学大学生创新创业训练计划项目
2023-02-09（万方平台首次上网日期，不代表论文的发表时间）
共7页
174-179,218
