《表3 CK+数据集准确率对比》

  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

《结合多特征和跨连通道加权的面部表情识别》

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

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．