文献类型：期刊文章

作　　者：张洋铭[1] 吴凯[2] 王艺凡[2] 利节[2]

ZHANG Yangming;WU Kai;WANG Yifan;LI Jie(General key Laboratory of complex system Simulation,Beijing 100020;School of Intellegent Technology and Engineering,Chongqing University of Science and Technology,Chongqing 400000)

机构地区：[1]复杂系统仿真总体重点实验室,北京100020 [2]重庆科技学院智能技术与工程学院,重庆400000

出　　处：《重庆大学学报》

基　　金：重庆市自然科学基金资助项目(cstc2020jcyj-msxmX0683);重庆科技学院硕士研究生创新计划资助项目(YKJCX2020825);重庆市研究生科技创新研究项目资助(CYS21505)。

年　　份：2022

卷　　号：45

期　　号：9

起止页码：135-140

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了提高面部表情识别的精确度,提出了一种基于数据增强策略面部表情识别,区别于普通的在线随机数据增强,将实验用到的训练数据集采用附加不同的权重分配策略进行增强数据,并随机生成每次训练时的权重,保证其训练数据的多样性并通过比较实验结果得出哪种权重的分布策略适用于面部表情识别数据集的增强,同时解决了面部表情识别因数据集缺乏多样性识别精度不高等问题,提升了人脸表情识别的准确性和鲁棒性,此外还利用VGG19特征提取网络,通过从数据中学习鲁棒性和区分性特征,来实现高精度的面部表情识别。实验结果表明,使用该方式增强后的数据进行训练的模型在Fer2013和扩展Cohn-Kanade(CK+)数据库上对7种表情的识别率相比其原始数据集均有提升。

关 键 词：数据增强策略  面部表情识别 VGG19  

分 类 号：TP391]