《表4 Fer2013数据集测试指标》
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
《基于改进AlexNet卷积神经网络的人脸表情识别》
在Fer2013和CK+数据集上,用本文提出的模型进行实验,并进行性能分析,结果分别如表4和表5所示,表中的准确率表示每个类别预测正确的准确率;整体准确率表示七个类别的预测正确的平均准确率;权重平均值表示各数值乘以相应的权重,然后加总求和,再除以总的单位数;数量表示每一个类别预测的数量。需要说明的是,由于Fer2013数据集存在着部分标签错误,导致在该数据集上进行测试,通常得到的分类精度不高。尽管如此,作为一个较大的人脸表情数据集,该数据集在表情识别领域仍然得到了广泛应用。由表4可见,厌恶类、恐惧类、正常类的精确率和召回率相差较大,整体准确率只有0.671 173 75,这与Fer2013数据集存在标签错误和数据集里的样本错误有较大关系。如图7所示,Fer2013数据集中每个类别中存在许多负样本,导入模型进行预测时会导致正负样本预测出错,致使精确率和召回率相差较大,尽管结果数值不是很高,但能达到本文的效果,说明分类性能较好。由表5可以看出,本文方法对数据集中每一类的分类精确率、回归率和F1值都较高,整体准确率达0.986 771 3。实验结果表明,采用本文提出模型进行分类,能得到较好的分类性能。
图表编号 | XD00219761300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.28 |
作者 | 石翠萍、谭聪、左江、赵可新 |
绘制单位 | 齐齐哈尔大学通信与电子工程学院、齐齐哈尔大学通信与电子工程学院、齐齐哈尔大学通信与电子工程学院、齐齐哈尔大学通信与电子工程学院 |
更多格式 | 高清、无水印(增值服务) |