基于特征融合与选择的小样本表情识别

作者：王从澳; 黄润才; 孙延标; 杨彬; 孙刘成

来源：传感器与微系统, 2022, 41(10): 112-116.

DOI：10.13873/J.1000-9787(2022)10-0112-05

• 特征融合
• DenseNet网络
• 特征约简
• 多分类支持向量机
• 表情分类

针对小样本数据集的数据量不足和深度学习的模型复杂、参数冗余等问题，提出了一种基于特征融合与选择的小样本表情识别算法。该模型将手工提取的人脸关键区域特征与DenseNet网络提取的深度学习特征相融合，再利用基于熵的特征约简技术对特征维度进行熵减和选择，以使用多分类支持向量机(MCSVM)进行识别分类，通过在JAFFE和CK+公开数据集上的实验测试结果表明：该模型在小样本数据集上具有更高的识别准确率和实时性，显著提升了人脸表情的识别性能。

• 单位
  上海工程技术大学