典型文献
一种基于改进稠密卷积神经网络的表情识别方法
文献摘要：
人的表情包含大量信息,可用于显示人的很多情感状态,例如疲劳和疼痛的表情等.卷积神经网络(CNN)是一种识别人脸表情的有效方法,它可以同时执行特征提取和分类,并可以自动发现数据中的多个表情特点.针对卷积神经网络参数大以及传统表情识别方法准确率不高的问题,提出一种基于改进的稠密卷积神经网络的面部表情识别模型.首先通过使用Gabor滤波器初始化第一层卷积层;然后采用一种对数线性函数(LLU)进行网络优化,该模型中的特征重用和参数压缩技术提高了网络的学习能力,大大减少了模型参数;最后基于此模型设计了一个表情识别系统,该系统能够准确地识别照片上的表情和在线识别人脸表情.实验结果表明,该模型可以显著提高三个表情数据集的准确率,并能很好地识别人脸表情.
文献关键词：
人脸表情识别;改进稠密卷积神经网络;卷积层初始化;Gabor滤波器;激活函数;表情识别系统
中图分类号：
作者姓名：
戴沁璇;罗晓曙;蒙志明;黄苑琴
作者机构：
广西师范大学 电子工程学院,广西 桂林 541000;广西师范大学 创新创业学院,广西 桂林 541000
文献出处：
引用格式：
[1]戴沁璇;罗晓曙;蒙志明;黄苑琴-.一种基于改进稠密卷积神经网络的表情识别方法)[J].现代电子技术,2022(09):29-34
A类：
改进稠密卷积神经网络,卷积层初始化
B类：
表情包,示人,多情,情感状态,别人,自动发现,网络参数,面部表情识别,识别模型,Gabor,滤波器,第一层,数线,线性函数,LLU,网络优化,特征重用,参数压缩,压缩技术,技术提高,大大减少,模型设计,表情识别系统,在线识别,高三,表情数据集,人脸表情识别,激活函数
AB值：
0.294226
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。
