《表4 跨数据库的平均准确度 (%)》
表3显示了6个表情被分类为交叉验证实验的混淆矩阵时,其精度至少为86.37%。在跨数据库实验中,一个数据库用于评估,其余数据库用于训练网络。跨数据库是一项艰巨的任务,因为每个数据库均有不同的光照、人体姿势、摄像机角度和情感表达。表4给出了对6个表情进行分类时的平均交叉数据库准确性。由于尚未对多数据库实验进行过多研究,文中只比较CK+和脸部数据库。从表4可以看到,文中的结果更优越。为了与其他CNN模型进行比较,文中对AlexNet、VGGNet(11层)、OverFea(快速模型)和使用inception模块的CNN进行了交叉验证实验,测量batch通过每个模型时的培训和测试时间。从表5数据可以看出,文中所提出的CNN结构在训练和测试时间方面均较少。
图表编号 | XD0051415200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.03.05 |
作者 | 沈利迪 |
绘制单位 | 台州职业技术学院 |
更多格式 | 高清、无水印(增值服务) |