论文部分内容阅读
目前,表情识别的研究主要集中在提高准确率、速率及鲁棒性上。对此,该方法提出一种新型网络结构,将传统卷积和深度可分离卷积相结合。在传统网络提取的二维特征基础上,对不同深度进行特征提取,实现二维特征向三维特征的转变,有效提高识别准确率和网络鲁棒性。同时,由于深度可分离卷积的特点,所提新型网络结构可大大减少网络参数,有效降低训练计算量并提高识别速率。实验结果表明,该模型在FER-2013数据集上拥有79.3%的准确率,在识别640*480的视频时,可达103帧/秒的识别速度。在现实场景的实时人脸表情识别中