基于深度卷积神经网络的脸部表情分类研究

摘要

为了更加精确地对人脸表情进行分类,文中提出了使用CNN(卷积神经网络)来进行脸部表情的识别分类,其包含8层网络,前5个是卷积层(C1-5),其余3个是全连接层(FC6-8).最后一个全连接层的输出提供给6路softmax,其在6类标签上产生一个分布.文中收集各种数据库,并将数据库组织成6个表情类,如"中性"、"高兴"、"伤心"、"愤怒"、"惊讶"和"反感".应用预处理和数据增强技术来提高培训效率和分类性能.调整卷积层的特征映射的数量与全连接层的节点数,找到最能表达6个面部表情特征的最优结构.并通过交叉验证和交叉数据库实验得出,文中提出的CNN结构具有良好的脸部表情分类性能.其次,与其他传统模型相比,所提出的CNN结构在分类性能方面具有优越性且执行时间更短.