《表3 CK+数据集准确率对比》
为了证明本文方法具有有效性,将近期不同方法在CK+和JAFFE数据集上的准确率与本文方法进行对比,如表3和表4所示.在CK+数据集上,本文与基于跨连接的Le Net-5网络[10]和基于Inception结构的网络[17]相比,识别效果取得了较大的提升.谭小慧等[18]采用多尺度细节增强的方法准确率达98.19%.Connie等人[4]提出CNN和SIFT结合的方法达到99.1%左右.本文方法6类基本表情识别率达99.77%.在JAFFE数据集上,与基于跨连接的Le Net-5网络[10]相比,取得了不错的识别效果.胡敏等人[19]提出的融合局部纹理和形状特征的方法,准确率达到98.10%.张瑞等[20]基于稀疏特征挑选和概率线性判别分析的方法达到98.57%,He等[21]基于几何和纹理特征的方法达到98.75%.本文方法6类基本表情识别率达99.48%.由表3和表4可知,本文方法具有一定的优势.本文方法将手工特征与深度学习特征相结合,通过跨连通道加权模块实现对特征的有效利用.
图表编号 | XD00213646700 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.01 |
作者 | 柳璇、唐颖军、黄淑英 |
绘制单位 | 江西财经大学软件与物联网工程学院、江西财经大学软件与物联网工程学院、江西财经大学软件与物联网工程学院 |
更多格式 | 高清、无水印(增值服务) |