《表4 改进CNN模型的识别准确率》
unit:%
可以发现,输入为直方图均衡化后的数据集准确率优于原始图像的数据集,而输入为局部二值模式特征图的数据集准确率最差。三者在速度上并无明显差别,输入为局部二值模式特征图的数据集识别速度稍快,但0.29s的速度与3.6%的准确率相比优势较小。分析图3中不同数据集的差别,认为一定的数据增强会强化图像的信息,提高识别准确率,但由于数据原始像素过低,直接提取其局部二值模式的特征图,在增强纹理信息的同时,丢失了更多信息,因此准确率最低,但速度最快。实验最终选择直方图均衡化增强的数据集输入CNN模型,其余训练策略的选择:在第十二层后加入L2正则化和Droupout,Droupout参数为0.7,学习率初始值为0.0001,在1000次迭代后衰减为初始学习率的1/10。表4给出了改进CNN模型在CK+数据集上,对8种表情识别的三次实验结果。
图表编号 | XD00162242700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.25 |
作者 | 刘芾、李茂军、胡建文、肖雨荷、齐战 |
绘制单位 | 长沙理工大学电气与信息工程学院、长沙理工大学电气与信息工程学院、长沙理工大学电气与信息工程学院、长沙理工大学电气与信息工程学院、长沙理工大学电气与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |