文献类型：期刊文章

作　　者：卢官明[1] 何嘉利[1] 闫静杰[1] 李海波[1,2]

机构地区：[1]南京邮电大学通信与信息工程学院,江苏南京210003 [2]瑞典皇家理工学院,瑞典斯德哥尔摩se10044

出　　处：《南京邮电大学学报（自然科学版）》

基　　金：国家自然科学基金(61071167;61501249);江苏省高校优秀中青年教师和校长境外研修计划;江苏省高校自然科学研究(15KJB510022);江苏省普通高校研究生实践创新计划(SJLX15_0371)资助项目

年　　份：2016

卷　　号：36

期　　号：1

起止页码：16-22

语　　种：中文

收录情况：BDHX、BDHX2014、CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了避免传统的表情识别中复杂的显式特征提取过程,文中提出了一种用于人脸表情识别的卷积神经网络(CNN)。首先,对人脸表情图像进行归一化预处理,并使用可训练的卷积核提取隐式的特征。然后,采用最大池化方法对提取的隐式特征进行降维处理。最后,采用Softmax分类器对测试样本图像的表情进行分类识别。使用图形处理器(GPU)在CK+人脸表情数据库上进行了实验,结果表明了CNN用于人脸表情识别的性能和泛化能力。

关 键 词：人脸表情识别 卷积神经网络 深度学习  图形处理器 特征提取

分 类 号：TP391]