基于深度學(xué)習(xí)的人臉表情識(shí)別系統(tǒng)研究

打開文本圖片集

摘  要：針對(duì)深度卷積神經(jīng)網(wǎng)絡(luò)隨著卷積層數(shù)增加而導(dǎo)致網(wǎng)絡(luò)模型難以訓(xùn)練和性能退化等問題，提出了一種基于深度殘差網(wǎng)絡(luò)的人臉表情識(shí)別方法。采用改進(jìn)后的ResNet18模型，結(jié)合數(shù)據(jù)增強(qiáng)、mixup、label smoothing等輔助策略對(duì)FER2013訓(xùn)練集進(jìn)行300個(gè)epoch的訓(xùn)練，利用最優(yōu)的權(quán)重，在FER2013的驗(yàn)證數(shù)據(jù)集上達(dá)到了72.09%的準(zhǔn)確率；并結(jié)合YOLOv5Face預(yù)訓(xùn)練權(quán)重，實(shí)現(xiàn)了人臉檢測和表情識(shí)別。（剩余5648字）