《表5 FER2013识别率对比》
从表3、表4的实验结果可以看出,本文提出的算法识别率无论是相较于传统的机器学习方法还是卷积神经网络都有了明显提升。其中卷积神经网络的算法中,AlexNet迭代一次的时间为0.146 s,本文所提出的网络迭代一次的时间为0.185 s,GoogLeNet由于参数以及层数的原因,迭代一次所耗费的时间最长,为0.3 s。由表可知,本文提出的网络在保证速率的情况下,识别率有了明显提高。表5给出了FER2013数据集在面部表情识别挑战赛上与其他模型识别率对比的结果。
图表编号 | XD0047563700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.16 |
作者 | 徐琳琳、张树美、赵俊莉 |
绘制单位 | 青岛大学数据科学与软件工程学院、青岛大学数据科学与软件工程学院、青岛大学数据科学与软件工程学院 |
更多格式 | 高清、无水印(增值服务) |