论文部分内容阅读
LeNet-5卷积神经网络在手写数字库上取得了很好地识别效果,但在表情识别中识别率很低.改进了LeNet-5卷积神经网络,使用浅层卷积结构,连续经过1×1和3×3的卷积层,在每一层的卷积后,加上Z-score标准化处理,使用性能更好的Relu激活函数,此函数计算速度快,减少梯度弥散问题;输出层用softmax函数,该层输出表情图像的概率.仿真结果表明,在JAFFE表情数据库上,即使在小样本数据集的情况下,算法识别率达到79.81%,识别单幅人脸表情图像的平均耗时为0.353 s.