典型文献
基于改进GhostNet模型的表情识别研究
文献摘要：
针对目前卷积神经网络应用到人脸表情识别任务上时,计算复杂、输入尺度过大、类间差异小和类内差异大等问题,提出了一种基于改进GhostNet模型的解决方法.首先,结合GhostNet模型思想,设计了改进GhostNet模型来提取表情特征,比原网络模型拥有更好的轻量级特性,并解决了Ghost瓶颈层中可能导致信息丢失的问题.其次,结合Island损失函数和Circle损失函数设计思想,设计并采用了基于余弦相似性的损失函数来指导神经网络的学习.该方法可以在特征空间中减小类内差异,增大类间差异,从而提升特征判别能力.在FERplus数据集上进行实验验证,基于改进GhostNet模型方法在模型参数量和计算量更少的前提下,依旧有着更高的识别准确率和更快的识别速度,效果优于Softmax交叉熵损失函数和基于余弦距离的损失函数等,更适合移动端和嵌入式设备的使用场景.
文献关键词：
表情识别;损失函数;深度学习;卷积神经网络;GhostNet
中图分类号：
作者姓名：
张文海;陈春玲
作者机构：
南京邮电大学 计算机学院、软件学院、网络空间安全学院,江苏 南京 210023
文献出处：
引用格式：
[1]张文海;陈春玲-.基于改进GhostNet模型的表情识别研究)[J].计算机技术与发展,2022(08):60-65
A类：
FERplus
B类：
GhostNet,网络应用,人脸表情识别,类间差异小,类内差异,模型思想,轻量级,瓶颈层,致信,信息丢失,Island,Circle,设计思想,余弦相似性,特征空间,模型方法,模型参数量,计算量,旧有,识别准确率,Softmax,交叉熵损失函数,余弦距离,移动端,嵌入式设备,设备的使用,使用场景
AB值：
0.346872
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
