计算机科学与探索

作者：林克正，白婧轩，李昊天，李骜

单位：哈尔滨理工大学 计算机科学与技术学院，哈尔滨 150080

关键词：人脸表情识别（FER）,深度学习,尺度不变特征变换（SIFT）,模型融合,小样本

为了进一步提高人脸表情识别在小样本中的准确率，提出了一种深度学习下融合不同模型的小样本表情识别方法。该方法首先对单个卷积神经网络（CNN）模型进行比较，通过dropout层不同的节点保留概率[p，]筛选相对合适的CNN。之后采用尺度不变特征变换（SIFT）算法提取出特征，使用SIFT提取特征的目的是提高小数据的性能。为了减少误差，避免过拟合，将所有模型进行汇总，采用简单平均的模型融合方法得到CNN-SIFT-AVG模型。最后，只采用少量样本数据来训练模型即可。该模型已在FER2013、CK+和JAFFE数据集上进行了验证实验。实验结果表明，该模型可以很大程度上提高小样本表情识别的准确率，并在FER2013、CK+和JAFFE数据集上产生了较优异的结果，与其他表情识别方法相比，准确率最大提升约6%。

来源：2020年第3期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2020年第3期