《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》

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

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。