《表5 FER2013识别率对比》

  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

《构建并行卷积神经网络的表情识别算法》

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

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。