《表5 FER2013数据集上与其他方法整体准确率的对比》
%
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%。
图表编号 | XD00134730000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 林克正、白婧轩、李昊天、李骜 |
绘制单位 | 哈尔滨理工大学计算机科学与技术学院、哈尔滨理工大学计算机科学与技术学院、哈尔滨理工大学计算机科学与技术学院、哈尔滨理工大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |