《表3 不同方法的识别结果》
本文人脸情绪识别数据集标签与应用场景及现有数据集的均不同,无法与公开数据集进行实验对比。为验证本文方法的优势,参照文献[20-21],将C2通道的序列输入分别改为常规尺寸224×224、低分辨率尺寸128×128进行网络训练;参照文献[22]采用Alexnet网络训练C1通道网络。不同方法的人脸情绪识别效果如表3。从表3可看出,本文提出的双流卷积网络模型对基于公共空间的人脸情绪数据集识别效果最好,ACC和MAP比已有方式分别提升7%~28%,7%~29%,结合本文数据集的特点证明了本文方法的优越性与通用性。
图表编号 | XD0064177300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.03.01 |
作者 | 王露、唐韬、卿粼波、周文俊、熊文诗、滕奇志 |
绘制单位 | 四川大学电子信息学院、上海交通大学电子信息与电气工程学院、四川大学电子信息学院、四川大学电子信息学院、四川大学电子信息学院、四川大学电子信息学院 |
更多格式 | 高清、无水印(增值服务) |