基于深度學(xué)習(xí)與DenseSIFT融合的人臉表情識(shí)別

摘要：為了準(zhǔn)確高效地實(shí)現(xiàn)人臉表情識(shí)別.提出將一種將卷積神經(jīng)網(wǎng)絡(luò)與Dense SIFT特征進(jìn)行融合的混合模型,該混合模型所用的網(wǎng)絡(luò)結(jié)構(gòu)是在深度可分離的卷積神經(jīng)網(wǎng)絡(luò)MobileNet的思想上加以改進(jìn).在通道卷積(深度卷積)與空間卷積(點(diǎn)卷積)分離的基礎(chǔ)上,將MobileNet結(jié)構(gòu)的點(diǎn)卷積部分使用多尺度卷積核,保證了提取特征的豐富細(xì)微性,更加適用于人臉表情特征提取;同時(shí)引入DenseNet結(jié)構(gòu)的思想,提升了網(wǎng)絡(luò)的性能.利用Dense SIFT的128維描述子對(duì)特征描述較豐富的優(yōu)勢(shì)。將其與改進(jìn)的MobileNet網(wǎng)絡(luò)在全連接層進(jìn)行融合,采用Eltwise層在全連接層元素之間做比較并取最大值,以保證特征的多樣性,且更具代表性.在FER2013和JAFFE人臉表情數(shù)據(jù)集上運(yùn)用該混合模型,識(shí)別率可以達(dá)到73.2%和96.5%.