《表4 SFEW数据集分类实验结果》

  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

《基于面部生理特征和深度学习的表情识别方法》

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

SFEW的实验结果如表4[13，15-16，20-21]所示。表4给出了不进行任何类型的迁移学习方法和使用FER-2013数据集对模型进行预训练方法的测试结果。从表4中可以看出:本文方法在不使用损失函数Soft-MSEREG时，在表情识别率方面优势不大，仅比Levi et al.[20]和Liu et al.[21]所提方法稍高一些，迁移算法的优势并不明显。但是如果采用SoftMSEREG损失函数进行学习监督后，除了Yu提出的方法外，本文方法的识别率比其他所有方法都高。考虑到Yu提出的方法使用了多个网络的集成来提高模型的性能，为了降低集成算法的增益，本文还计算了无多个网络集成时Yu方法的识别率。通过对比，本文方法明显优于不使用集成算法的Yu方法。