首页|CNN-MCF-ELM模型识别面部表情

CNN-MCF-ELM模型识别面部表情

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了更好地解决传统神经网络提取特征不够全面导致表情识别准确率低,以及表情识别中参数调整计算量大、耗时长、模型泛化能力弱等问题,这里提出一种将卷积神经网络多层特征融合与极限学习机(ELM)结合的表情识别方法.该方法是利用卷积神经网络(CNN)提取多层面部表情特征图,再将CNN提取出的后三层特征图采用多尺度池化操作,将这三个特征向量级联融合成一个面部表情特征向量,该特征向量具有多尺度多属性的性质能够很好的表达表情特征;最后,把融合后的面部表情特征向量输入到ELM分类器进行表情识别.实验结果表明,该方法能够有效地提高面部表情识别的准确率,在CK+、FER2013数据集上的平均识别准确率分别达到了 98.72％和78.97％,并且缩短了识别时间.同时通过设计实验验证了模型具有较强的泛化能力.
CNN-MCF-ELM Model Recognizes Facial Expressions

Facial Expression RecognitionConvolution Neural NetworkMulti-Scale PoolingMulti-Layer Characteristic FusionExtreme Learning Machine

石琳、邹佳丽、张振友

展开 >

华北理工大学人工智能学院,河北唐山 063210

表情识别 卷积神经网络 多尺度池化 多特征融合 极限学习机

河北省自然科学基金

F2018209358

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.389(7)
  • 1
  • 2