《表4 改进CNN模型的识别准确率》

  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

《基于低像素人脸图像的表情识别》

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

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。