《表1 训练参数：端到端的低质人脸图像表情识别》

  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

《端到端的低质人脸图像表情识别》

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

本文实验通过在具有GPU的1080ti显卡的电脑上搭建TensorFlow框架来构建模型并训练，在训练本文模型之前首先利用CelebA人脸数据集上对生成模型进行预训练，然后使用本文处理后的Fer2013训练集和CK+数据集进行整个模型的训练，此时只需要微调生成模型部分，使用处理后的Fer2013测试集通过分类指标精度（Acc）和混淆矩阵[20]以对模型进行评估，最后在处理后的Fer2013测试集上对本文损失进行的分析．各个模型的训练参数如表1所示，设置α=0.85，β=0.1，γ=0.15通过实验发现本文对抗网络部分的对抗损失在0.05左右，而单独使用分类器的分类损失在0.3左右，比例为1∶6，为了平衡损失按比例设置超参数．而本文网络为了使网络侧重于分类，适当的调大分类损失部分的权重．本文的超参数并不一定是最优的．使用大于0小于1的数值是为了让初始损失不至于很大，随着梯度下降有一个平滑的损失曲线．