《表2 网络各层参数：基于数据增强和卷积神经网络的面部表情识别研究与实现》

  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

《基于数据增强和卷积神经网络的面部表情识别研究与实现》

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

本实验训练模型是一个10层神经网络，模型具体结构为每次卷积后，再经过四个步骤的操作：BN、Relu激活函数、最大池化和Dropout，共经过四次卷积处理，每次卷积后都重复上述四次操作，然后经过256个神经元全连接和512个神经元全连接，最后通过softmax激活函数获取7种面部表情分类的概率，根据最大概率确认识别的类别，本文的CNN结构如图2所示。神经网络每层参数如表2所示，输入是48*48像素图片，经过卷积后，输出图片的大小没变，但是通道数增加，再经过最大池化后图片的大小缩小为原来的一半，去掉冗余信息，使特征图减小，加快运行速度，最后输出1*7的向量。