基于深度可分离卷积神经网络对七种表情进行识别完整代码.zip

网络模型共含有19层其中7层传统卷积层8层深度可分离卷积层4层最大池化层.同时使用了Adam优化器及对数损失函数.网络结构如图4所示顺序从左至右从上至下并做以下说明Conv为传统卷积层其后3个参数分别代表卷积核个数卷积核大小步长.activation表示该层对应的激活函数.SeparableConv为深度可分离卷积层其后2个参数分别代表卷积核个数卷积核大小步长均为1.MaxPooing为最大池化层其后2个参数分别代表滤波器大小步长.ReLU为线性整流函数作为卷积后的激活函数相比sigmoid函数和tanh函数有着更好的效果.softmax用于将最后一层卷积输出的七个数值映射到01区间并使它们和为1.这样能更直观地以概率的形式显示结果.在每一层卷积过后都加入了批量归一化Batch Normalization BN层图中未标出.批量归一化对网络训练的各个方面都有一定的提升作用.它可以加快训练并提高性能解决梯度消失的问题规范权重优化网络梯度流等所以很有必要加入.整个网络参数数量仅为75906个其中可训