文献类型：期刊文章

作　　者：李勇[1,2] 林小竹[1] 蒋梦莹[1,2]

机构地区：[1]北京石油化工学院信息工程学院,北京102617 [2]北京化工大学信息科学与技术学院,北京100029

出　　处：《自动化学报》

基　　金：国家自然科学基金(60772168)资助~~

年　　份：2018

卷　　号：44

期　　号：1

起止页码：176-182

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2017_2018、EI、IC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为避免人为因素对表情特征提取产生的影响,本文选择卷积神经网络进行人脸表情识别的研究.相较于传统的表情识别方法需要进行复杂的人工特征提取,卷积神经网络可以省略人为提取特征的过程.经典的LeNet-5卷积神经网络在手写数字库上取得了很好的识别效果,但在表情识别中识别率不高.本文提出了一种改进的LeNet-5卷积神经网络来进行面部表情识别,将网络结构中提取的低层次特征与高层次特征相结合构造分类器,该方法在JAFFE表情公开库和CK+数据库上取得了较好的结果.

关 键 词：卷积神经网络 面部表情识别 特征提取 跨连接  

分 类 号：TP391.41]