论文部分内容阅读
人脸表情识别是计算机视觉领域中人脸识别的一个重要分支。由于人脸表情多样性,头部姿态变化以及表情主体所处环境等诸多因素的影响,给人脸表情识别的工作带来了很大的挑战。针对采用传统卷积神经网络,由于其模型参数数量多,且比传统机器学习算法的人脸表情识别精度的提高有限,给出了一种基于深度可分离卷积结构的改进卷积神经网络模型。基于该模型对Fer2013灰度表情识别数据集进行实验,结果表明,在保证了68.31%的较高准确率情况下,与传统卷积神经网络相比,模型的网络结构得到了优化,模型参数数量大大减少,且模型参数的