基于卷积神经网的面部识别参数调整方法  

A method of adjusting facial recognition parameters based on convolutional neural network

作　　者：车娜[1] 赵剑[1] 史丽娟[2] 王柳 范秦寅[3] Che Na;Zhao Jian;Shi Lijuan;Wang Liu;Fan Qinyin(Changchun University,School of Computer Science and Technology,Changchun 130022,China;College of Electronic Information Engineering,Changchun University,Changchun 130022,China;Ministry of Mechanical Science,Osaka University,Osaka 556670,Japan)

机构地区：[1]长春大学计算机科学技术学院,吉林长春130022 [2]长春大学电子信息工程学院,吉林长春130022 [3]大阪大学机械科学部,日本大阪556670

出　　处：《无线互联科技》2018年第16期71-73,共3页Wireless Internet Technology

基　　金：国家自然科学基金;项目编号:No.61502052;吉林省科技厅科技计划自然科学基金;项目编号:No.20180101047JC;吉林省教育厅科研项目;项目编号:Nos.2016291;JJKH20170492KJ;JJKH20170497KJ;教育部春晖计划项目;项目编号:Z2017029;长春市科技局国际合作项目;项目编号:No.13GH03

摘　　要：为了更好地解决使用卷积神经网在人脸面部表情识别方面的表现,文章设计了一个经典的卷积神经网模型,采用比较通用的FER2013表情数据库对其进行训练,并且尝试了几种参数配置方式,在其中选择了训练速度和过拟合等几个方面表现优秀的配置模式。实验结果表明,这样的参数组合对于提高面部表情识别率有很好的表现。To improve the performance of CNN upon the facial expression recognition, this paper designs a classical CNN and trains it with the FER2013 database and several parameter configuration modes are tried, in which the training speed and over-fitting and other aspects of the excellent performance of the configuration model are chosen.The experimental results show that the combination of these parameters can improve the facial expression recognition rate.

关 键 词：表情识别 卷积神经网 深度学习 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TP391.41[自动化与计算机技术—控制科学与工程]