面向面部表情识别的基线CNN结构分析
计算机视觉与模式识别
2016-11-15 v1
摘要
我们提出一种基线卷积神经网络(CNN)结构和图像预处理方法，以改进使用 CNN 的面部表情识别算法。为分析最高效的网络结构，我们研究了四种在面部表情识别中已知表现良好的网络结构。此外，我们还研究了输入图像预处理方法的效果。测试了五种数据类型(原始、直方图均衡化、各向同性平滑、基于扩散的归一化、高斯差分)并比较了准确率。我们训练了 20 种不同的 CNN 模型(4 种网络 × 5 种数据输入类型)，并使用来自五个不同数据库的测试图像验证了每个网络的性能。实验结果表明，由简单卷积层和最大池化层组成、以直方图均衡化图像输入的三层结构最为高效。我们描述了详细的训练过程，并基于大量观察分析了测试准确率的结果。
引用
@article{arxiv.1611.04251,
title = {Baseline CNN structure analysis for facial expression recognition},
author = {Minchul Shin and Munsang Kim and Dong-Soo Kwon},
journal= {arXiv preprint arXiv:1611.04251},
year = {2016}
}
备注
6 pages, RO-MAN2016 Conference