基于VGG16网络的参数优化方法研究

作者：方犇; 童强^*

来源：湖北师范大学学报(自然科学版), 2023, 43(01): 44-50.

• 深度学习
• 表情识别
• 图像处理
• 迁移学习

为了使人脸基础表情的识别更加准确，从参数优化的角度来提高模型的准确率。先将CK+公共人脸数据集除去蔑视表情后，每类照片取最后三张峰值图并通过级联检测框选人脸区域后整理得到愤怒、厌恶、恐惧、快乐、悲伤、惊讶六类共计927张48×48格式图片。以此作为实验数据集，在VGG16模型的基础上综合finetune和bottleneck两种优化策略，探究包括训练集测试集的比例、模型输入的尺寸、锐化翻转等不同变换方式、Dropout和Adam优化器学习率等参数对模型准确率的影响。每次以实验结果中更高准确率的参数作为后续实验参数，经过多轮对比实验后，最终模型准确率由最开始的89.07%提高到了93.60%,证明了基于参数优化模型的方法具备可行性。

• 单位
  湖北师范大学