《表1 CK+数据集上的整体精度》

  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

《持续学习改进的人脸表情识别》

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

注:加粗字体表示最优结果，DTAGN表示deep temporal appearance-geometry network；PPDN表示peak-piloted deep network；FN2EN表示Face Net2ExpNet；MDSTFN表示deep spatial-temporal feature fusion neural network；DSAN表示deeplysupervised attention network。

CK+（Lucey等，2010）为实验室环境下收集的数据集，包含来自123个受试者的593个视频序列。实验中进行6类基本表情的分类，仅从106个受试者中选择了309个序列，然后提取每个序列中表情强度达到峰值的最后3帧，得到927幅图像。最后，将所选图像按人物ID升序分为10个子集，进行身份无关的十折交叉验证。交叉验证的平均精度如表1所示。从表1中可以看出，本文方法达到了98.7%的识别率，使用更加简单的网络结构MobileFaceNet，达到了与当前先进算法接近的结果。图3展示了CK+上的混淆矩阵，可以看到算法识别厌恶、开心和悲伤这3类表情的效果最好，而生气和恐惧样本数量更少，相对难识别。