基于改进VGG16模型的人脸情绪识别预测研究

人脸情绪识别是人类沟通交流中的重要一部分，所以正确识别人脸情绪可以保证高质量的沟通效果。文章提出改进的VGG16模型作用于人脸情绪识别的预测研究。改进模型引入正负例样本均衡化来解决数据集分布不均衡的现象，从而优化局部最小值和过拟合现象；为了提高模型训练的泛化能力，引入局部归一化对图像数据集进行处理；利用交叉验证机制提高模型训练的精确度，且修改VGG16模型第一个全连接层为全卷积层以适应任意大小的输入样本。最后采用IM-VGG16、VGG16和ResNet18模型分别对数据集进行6分类识别。实验表明，与ResNet18和VGG16模型相比，IM-VGG16模型具有更高的情绪识别准确度，其最终的识别准确度为89.92%。