为了更好地将现有深度卷积神经网络应用于表情识别，提出自建表情数据集和深度网络结构改进相结合的方法．首先构建了当前行业最大的人脸表情数据集，解决了表情数据集存在的类别不平衡和数据集合噪声问题；然后通过修改网络结构，实验不同的神经网络基础模型，并调节各个分类在损失目标函数的权重，在CK+数据集上的验证实验表明，所提出方法获得超过SOTA的人脸表情识别准确率，达到97.5%.
科研之友
微信
新浪微博
Facebook
分享链接
