基于SWA优化级联网络的表情识别方法

作者：张翔; 史志才; 陈良

来源：电子科技, 2020, 33(09): 16-20.

DOI：10.16180/j.cnki.issn1007-7820.2020.09.003

• 表情识别
• 卷积神经网络
• 随机权重平均
• 随机梯度下降法
• Fer2013数据集
• 网络级联

为了提高表情识别技术的检测精度,文中提出了一种采用随机权重平均SWA优化级联网络的人脸表情识别方法。与单个卷积网络相比,多网络级联能得到更好的检测精度。相对于传统的SGD训练方法,SWA训练方法能增强级联网络中子网络的泛化能力,进一步提高模型的整体性能。通过在Fer2013数据集上测试实验发现,基于SWA方法训练采用加权求和法方式级联的网络模型识别准确率达到74.478%,相对于传统SGD方法训练的单网络模型提高了1.4%以上。另外,与其他典型方法相比,所提改进模型的识别准确率更高。

• 单位
  上海工程技术大学