文献类型：期刊文章

作　　者：石翠萍[1] 谭聪[1] 左江[1] 赵可新[1]

SHI Cuiping;TAN Cong;ZUO Jiang;ZHAO Kexin(College of Communication and Electronic Engineering,Qiqihar University,Qiqihar 161006,China)

机构地区：[1]齐齐哈尔大学通信与电子工程学院,黑龙江齐齐哈尔161000

出　　处：《电讯技术》

基　　金：国家自然科学基金青年基金项目(41701479);中国博士后科学基金项目(2017M621246);黑龙江省科学基金项目(QC2018045);黑龙江省博士后科学基金项目(LBH-Z17052);黑龙江省省属高等学校基本科研业务费专项(135309342);2019年省级大学生创新创业训练计划资助项目(201910232044)。

年　　份：2020

卷　　号：60

期　　号：9

起止页码：1005-1012

语　　种：中文

收录情况：BDHX、BDHX2017、IC、UPD、ZGKJHX、核心刊

摘　　要：为了解决传统卷积神经网络用于人脸表情识别准确率不高的问题,提出了一种基于改进深度AlexNet卷积神经网络的表情识别方法。该方法基于AlexNet网络的基本结构,采用单图形处理单元(Graphics Processing Unit,GPU)进行训练,减少了两层卷积层和一层全连接层,在每层卷积层后加上批标准化(Batch Normalization,BN)代替原来的局部归一化,并在全连接层后加上Dropout正则化进一步防止过拟合。与AlexNet模型相比,改进的网络结构更简单、复杂度低、参数量少,可以节省大量模型训练时间进行快速预测,且更不易过拟合,同时加快了模型收敛速度,提高了网络泛化能力。在Fer2013数据集以及CK+数据集上进行实验,结果表明,所提方法分别得到了68.85%和97.46%的识别率,较其他人脸表情识别方法的识别率有一定提高。

关 键 词：表情识别 深度学习  AlexNet网络  BN算法  

分 类 号：TN919.8] TP183]