基于深度可分离卷积的面部表情识别

摘要

在现实生活中,面部表情识别常被使用在社交、公共安全、人机交互和计算机视觉中。在实验中常使用众包表情数据集Fer2013来训练网络,但该数据集噪声较多,模型准确率达到65后很难再提升。于是,文章改为使用重新整理后的表情数据集Fer+,Fer+数据集不仅标注出了无效人脸数据,并且重新整理了表情标签,为每个表情类别都标记了分类概率,利于实现人脸的复合表情识别。论文使用简化Xception模型,在原模型基础上修改了网络模型宽度,并且只使用了4个具有残差连接的深度可分离卷积层,最终在Fer+数据集上得到了80%左右的测试准确率。