文献类型：期刊文章

作　　者：李婷婷[1,2] 胡玉龙[1,3] 魏枫林[2]

LI Tingting;HU Yulong;WEI Fenglin(Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education,Jilin University,Changchun 130012,China;College of Computer Science and Technology,Jilin University,Changchun 130012,China;College of Software,Jilin University,Changchun 130012,China)

机构地区：[1]吉林大学符号计算与知识工程教育部重点实验室,长春130012 [2]吉林大学计算机科学与技术学院,长春130012 [3]吉林大学软件学院,长春130012

出　　处：《吉林大学学报（理学版）》

基　　金：吉林省科技发展计划重点研发项目(批准号:20180201045GX).

年　　份：2020

卷　　号：58

期　　号：3

起止页码：605-610

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、INSPEC、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对传统人脸表情识别算法存在的特征提取能力差、识别率低和误分类率较高等问题,提出一种基于生成对抗网络(GAN)改进的人脸表情识别算法.利用生成对抗网络的博弈思想,分别设计特征提取器、特征合成器和判别器,通过判别器与特征提取器之间的对抗训练,不断增强特征提取器提取特征的能力和分类器对人脸表情识别的准确率,并将其应用在工作人员工作状态智能监测中,根据表情识别结果判断工作状态,从而合理分配实验室资源,提高实验室资源利用率.改进算法在CK+数据集上多次实验的结果表明:该算法有较高的鲁棒性,能有效提高人脸表情识别率.

关 键 词：表情识别 对抗生成网络  卷积神经网络 深度学习  工作状态智能监测  

分 类 号：TP391]