基于深度残差网络的人脸表情识别研究

针对人脸表情识别,传统方法主要依赖人工提取特征的优劣,算法的鲁棒性较差,而传统卷积神经网络无法提取到更深层次的图像特征,因此该文将采用深度残差网络进行人脸表情识别。ResNet网络主要由残差模块组成,将残差模块的输出送入到全连接层进行特征的融合,最后由Softmax分类器进行分类。该文将输入残差模块之前的卷积层进行改进,使用并行的小卷积代替原来的卷积,使其可以提取到更深层次且不同尺度的图像特征以易于识别。在公用数据集CK+上进行多次实验,结果证明该方法具有较高的准确率。