《表5 FER2013数据集上与其他方法整体准确率的对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《深度学习下融合不同模型的小样本表情识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

本文模型与其他先进模型进行了人脸表情识别的准确率对比，如图11所示。可以看出，本文模型较稳定，虽然某些表情的识别率略低，但整体识别的准确率略高于其他模型。如表5所示，对比实验的Multi-scale CNNs[20]参数设置：学习率0.001并且采用了训练自动停止策略，当出现过拟合现象时，训练经过100个epoch后，自动停止并保存模型。Subnet3[21]参数设置：batch为100，动量为0.9，网络的权重采用正态分布中的随机数字初始化，学习率设置为0.01，逐渐减少到0.001为止，epoch的数量在20到100之间。DNNRL[22]（deep neural networks with relativity learning）参数设置：初始学习率设定为0.01，最小学习率设定为0.000 1，每个epoch都有100个batch，从训练集中随机选择训练样本，如果验证损失增加了10%以上，则学习率降低10%。