用于面部表情识别的卷积神经网络
计算机视觉与模式识别
2017-04-25 v1
摘要
我们开发了卷积神经网络（CNN）用于面部表情识别任务。目标是将每张人脸图像分类为本研究考虑的七种面部情绪类别之一。我们使用灰度图像训练了不同深度的 CNN 模型。我们在 Torch 中开发模型并利用图形处理单元（GPU）计算以加速训练过程。除了基于原始像素数据运行的网络外，我们采用了混合特征策略，据此训练了一个结合原始像素数据与方向梯度直方图（HOG）特征的新型 CNN 模型。为减少模型过拟合，我们利用了不同技术，包括 dropout 和批量归一化以及 L2 正则化。我们应用交叉验证确定最优超参数，并通过查看训练历史评估所开发模型的性能。我们还展示了网络不同层的可视化，以表明 CNN 模型可以学习人脸的哪些特征。
引用
@article{arxiv.1704.06756,
title = {Convolutional Neural Networks for Facial Expression Recognition},
author = {Shima Alizadeh and Azar Fazel},
journal= {arXiv preprint arXiv:1704.06756},
year = {2017}
}