一种面向移动端的浅层CNN表情识别

摘要

移动端的表情识别有巨大需求,但是受算力限制,主流深度神经网络无法直接移植。为此,设计了一个浅层网络,在节约计算量的同时保证了识别率。网络中使用三组堆叠而成的卷积层,有助于增大感受野,便于更好地提取特征,这是提升识别率的关键;使用全局平均池化层,避免引入额外的全连接层,大幅降低参数量,在训练样本不足的情况下,降低模型过拟合风险。在FER-2013数据集进行训练,准确率超过现有大多数算法;在CK+数据集上进行微调,测试集上的准确率可达到0.96。将所得模型转换为Core ML模型,结合Xcode平台在iOS端搭建了实时表情识别App,在iPhone 8 Plus上能够稳定、流畅运行,识别效果达到预期。