%0 Journal Article
%T 基于卷积神经网络和池化算法的表情识别研究
%J -
%D 2019
%R 10. 3969 / j. issn. 1673-629X. 2019. 01. 013
%X 卷积神经网络(CNN)能够通过神经网络自主学习提取图像中的特征,并且具有局部响应、权值共享等优点,在人脸表情识别中获得了广泛的应用.池化算法是CNN的核心技术之一,通过对卷积层的特征进行聚合统计,池化算法可以减少CNN的特征维度,提高特征表征能力,但是目前常用的池化算法还存在提取特征单一,缺乏灵活性的情况.为了克服现有池化算法的不足,根据深度学习可采用BP算法自主调节参数的特性,提出一种改进的自适应池化算法.该算法在训练过程中能够根据损失函数,不断更新池化域的参数,最终使表情预测值和真实结果值之间的差值达到最小.基于CK+人脸表情数据库的实验结果表明,与现有池化算法相比,提出的自适应池化算法能有效提高表情识别准确率
%K 卷积神经网络
%K 池化算法
%K 人脸表情识别
%K 深度学习
%K 特征提取
%U http://www.xactad.org//oa/darticle.aspx?type=view&id=201901013