电讯技术

作者：石翠萍,谭聪,左江,赵可新

单位：(齐齐哈尔大学 通信与电子工程学院，黑龙江 齐齐哈尔 161000)

关键词：表情识别；深度学习；AlexNet网络；BN算法；

基金：国家自然科学基金青年基金项目（41701479）；中国博士后科学基金项目（2017M621246）;黑龙江省科学基金项目（QC2018045）；黑龙江省博士后科学基金项目（LBH-Z17052）；黑龙江省省属高等学校基本科研业务费专项（135309342）；2019年省级大学生创新创业训练计划资助项目（201910232044）

为了解决传统卷积神经网络用于人脸表情识别准确率不高的问题，提出了一种基于改进深度AlexNet卷积神经网络的表情识别方法。该方法基于AlexNet网络的基本结构，采用单图形处理单元（Graphics Processing Unit，GPU）进行训练，减少了两层卷积层和一层全连接层，在每层卷积层后加上批标准化（Batch Normalization，BN）代替原来的局部归一化，并在全连接层后加上Dropout正则化进一步防止过拟合。与AlexNet模型相比，改进的网络结构更简单、复杂度低、参数量少，可以节省大量模型训练时间进行快速预测，且更不易过拟合，同时加快了模型收敛速度，提高了网络泛化能力。在Fer2013数据集以及CK+数据集上进行实验，结果表明，所提方法分别得到了68.85%和?97.46%?的识别率，较其他人脸表情识别方法的识别率有一定提高。

来源：2020年第9期

《电讯技术》期刊编辑部

查看电讯技术杂志2020年第9期