基于VGG-NET的特征融合面部表情识别
Computer Engineering and Science（2020）
Abstract
为了解决在面部表情特征提取过程中卷积神经网络CNN和局部二值模式LBP只能提取面部表情图像的单一特征,难以提取与面部变化高度相关的精确特征的问题,提出了一种基于深度学习的特征融合的表情识别方法.该方法将LBP特征和CNN卷积层提取的特征通过加权的方式结合在改进的VGG-16网络连接层中,最后将融合特征送入Softmax分类器获取各类特征的概率,完成基本的6种表情分类.实验结果表明,所提方法在CK+和JAFFE数据集上的平均识别准确率分别达到了97.5％和97.62％,利用融合特征得到的识别结果明显优于利用单一特征识别的效果.与其他方法相比较,该方法能有效提高表情识别准确率,对光照变化更加鲁棒.
MoreAI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined