CNN深度学习模型用于表情特征提取方法探究  

Research on Feature Extraction Based on CNN Deep Learning Model

作　　者：张昭旭 

机构地区：[1]四川大学计算机学院,成都610065

出　　处：《现代计算机》2016年第2期41-44,共4页Modern Computer

摘　　要：卷积神经网络(CNN)作为一种深度学习架构,在精确提取图像特征的同时降低模型复杂度。针对CNN在图像识别方面的优势,提出一种基于CNN的人脸表情特征提取方法。使用具有8层网络结构的Alex Net模型对融合的人脸表情图像进行特征提取,再使用支持向量机(SVM)进行分类预测。将预测结果与一些经典方法如SVM、PCA等做比较,可以发现在样本图片拍摄条件变化较大的情况下,CNN在提取图像本质特征方面有其他方法不可比拟的效果。Convolutional Neural Network （CNN）, as a deep learning framework, shows great performance in extracting feature accurately and reducing model complexity. In consideration of the CNN＇s advantage in image processing, proposes a feature extraction method based on CNN. Extracts face expression imagesj features using a S-layered AlexNet model, and Support Vector Machine（SVM） is used for prediction. Prediction results indicate that CNN outperforms other classical methods in extracting image essential features.

关 键 词：深度学习 卷积神经网络 AlexNet 人脸表情识别 特征提取 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]