《表1 主体框架网络层参数》

  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

《引入注意力机制和中心损失的表情识别算法》

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

由于本文选用的经预处理后的CK+数据集为单通道的灰度图片，故主体框架网络的Conv1＿1层的输入通道改为1。此外，缩放裁剪后的44像素×44像素的检测图片经模型的Max pool5层池化操作后，输出为1×1×512维特征图，展平后得到512维的特征向量。同时，考虑到对CK+数据集中7种类别的表情进行识别，故网络全连接层输出节点为7。因此，将模型主体框架网络的全连接层参数设置为512×7（输入节点×输出节点）。最终模型主体框架的网络层参数如表1所示。其中，卷积、池化层参数分别包含输入特征通道数、卷积核尺寸、输出特征通道数3项参数；全连接层参数为输入节点数×输出节点数。