网中网残差网络模型的表情图像识别研究

摘要 卷积神经网络模型中全连接层的所有结点与上一层结点全相连时，由于参数过多易产生过拟合现象、层级过深易导致梯度弥散（消失）等问题.本文用ELU函数替换ReLU修正单元，解决网中网（Network in Network）模型的梯度弥散问题，用全局平均值采样层代替全连接层，并增加两层残差网络结构，提出了网中网残差网络模型（NIN_ResNet）对表情图像做分类识别研究.实验表明，基于TensorFlow平台对FER-2013和CK+数据集训练得出整体正确识别率分别为89.99%和96.03%.NIN_ResNet模型比NIN和ResNet模型在识别率上有着显著的提高，在执行时间上优于NIN模型