《表4 跨数据库的平均准确度 (%)》

  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

《基于深度卷积神经网络的脸部表情分类研究》

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

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。