摘要
近年来，深度学习越发的被人们所关注，深度学习不断发展，已经在不同领域大显身手，而深度卷积网络作为深度学习中的一种，通过卷积层、池化层等，加以足够的数据，可以训练出性能高效的深度卷积网络，尤其在图像处理和识别方面，深度卷积网络现在甚至可以说是无可比拟。 基于深度学习的人脸表情识别是基于现阶段人脸表情识别的应用广泛，实用价值高来考虑的。本文基于深度学习的人脸表情识别主要提出了三种人脸表情识别的算法。第一种是基于深度卷积网络的单通道人脸表情识别，在网络结构上采用的卷积层和池化层共有8层，卷积层和池化层后面是全连接层和softmax的输出层。同时对深度卷积网络结构采用了批标准化和Dropout，避免了深度学习很常见的过拟合问题。在训练深度卷积网络时，采用了Adam这种自适应学习率的算法，通过Adam对网络的每一部分分别设置学习率，对整个网络的结构优化产生了非常大的帮助。 在单通道网络结构的基础上，又提出了基于局部二值模式和深度卷积网络相结合的人脸表情识别，其网络结构是包含3层卷积层和2层池化层的结构。其训练和识别过程是先对图片统一进行标准化和局部二值模式的处理，然后把处理后的图片送入到卷积网络结构，因为进行了局部二值模式的处理，下一层的网络更容易从前一层的网络进行学习，减少了网络结构层次，同时因为网络层次的减少，梯度问题也随之解决。 本文还提出一种双通道网络结构的人脸表情识别，具体说一个通道是由8层卷积层和池化层组成的网络结构，另一个通道是5层卷积层和池化层组成，在两个通道后分别有全连接层，最后是融合层和输出层。 本文在JAFFE，CK+和FER2013这三个人脸表情库上进行了训练和测试，相比于一些传统的图像处理算法和机器学习，在识别率上取得了不小的进步，验证了本文提出的算法的有效性。
NETL