用于微笑识别的深度学习
计算机视觉与模式识别
2017-07-26 v2 机器学习
神经与进化计算
摘要
受深度学习在计算机视觉中近期成功的启发，我们提出了深度卷积神经网络在面部表情识别尤其是微笑识别上的新颖应用。在Denver Intensity of Spontaneous Facial Action (DISFA) 数据库上实现了99.45%的微笑识别测试准确率，显著优于基于手工特征现有方法的65.55%至79.67%准确率。该方法的新颖性包括了对架构参数的全面模型选择，从而能为每种表情（如微笑）找到合适的架构。这之所以可行，是因为所有实验均在Tesla K40c GPU上运行，相比传统CPU计算实现了10倍加速。
引用
@article{arxiv.1602.00172,
title = {Deep Learning For Smile Recognition},
author = {Patrick O. Glauner},
journal= {arXiv preprint arXiv:1602.00172},
year = {2017}
}
备注
Proceedings of the 12th Conference on Uncertainty Modelling in Knowledge Engineering and Decision Making (FLINS 2016)