《表6 CK+数据集上与其他方法整体准确率对比》

  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

%

在CK+数据集的实验中发现，随着表情样本数量的减少，CNN-SIFT和CNN-SIFT-AVG的性能比CNN-ONLY模型的准确率和性能有所提高，且CNN-SIFT-AVG模型的性能相对更优。图12为CK+数据集在CNN-SIFT-AVG模型上实验的混淆矩阵。由图可看出，Angry、Fear、Sad会被轻微混淆，在识别中会导致错误，相比其他表情，Happy表情比其他表情更容易识别。但随着数据集的减少，SIFT的优势体现出明显的效果，相比FER2013数据库，在CK+数据库中，识别的准确率大幅度提高了。图13为CK+数据集下不同模型识别的准确率比较。表6为CK+数据集上与其他方法整体准确率的对比。