结合多层池化的卷积神经网络在表情识别中的应用

为了解决传统卷积神经网络(Convolutional Neural Network, CNN)对于人脸微表情识别的泛化能力差的问题,提出了一种改进的Inception结构与残差结构结合的卷积神经网络方法。首先在改进的Inception结构的基础上将输入特征直接映射到输出结果中构成残差结构,并针对表情局部特征复杂模糊等不足采用多层池化的方式进行优化,实现端到端的人脸表情识别。为防止训练数据量少、数据分布不均匀,采用了数据增强技术从原始数据集中生成更多的训练样本。新模型在Fer2013数据集上进行测试,准确率达到71.26%,表明该方法相比于传统的卷积神经网络具有更高的准确率,训练模型更加稳定。