数据增强与迁移学习方法应用于面部表情识别

面部表情是我们想要理解一个人心理状态时首先注意到的东西。因此，以自动方式识别面部表情的能力是一个非常有趣的研究领域。在本文中，由于可用训练数据集规模较小，我们提出了一种新颖的数据增强技术，提高了识别任务的性能。我们应用几何变换，并从零开始构建能够为每种情绪类型生成新合成图像的GAN模型。然后，在增强后的数据集上，我们微调了不同架构的预训练卷积神经网络。为了衡量模型的泛化能力，我们采用了跨数据库协议方法，即在训练数据集的增强版本上训练模型，并在两个不同的数据库上进行测试。这些技术的组合使得InceptionResNetV2模型的平均准确率达到了约85%。