《表2 人脸情绪识别的ACC与MAP》
为验证本文模型的有效性,给出单独使用C1,C2训练模型后在测试集上的ACC和MAP;然后给出两通道网络以不同权重比进行融合获得的分类效果,两通道网络的识别效果如表2。从表2可看出,C2通道的训练效果比C1通道更好,说明高分辨率图像使模型学习到表情序列局部细节信息,获得更为丰富的视觉特征,也证明结合CNN与LSTM网络能获取更好的训练效果。C2比C1学习的内容更丰富且C2的分类效果比C1的好,在进行模型融合时着重考虑增加C2比重后的模型效果。因此将C1,C2权重比分别设置为5∶5,3∶7,1∶9,以选择最优权值。表2表明,权重比为1∶9时的测试效果最好,ACC为88.89%,MAP为88.75%,高出其他测试结果5%~9%。
图表编号 | XD0064177600 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) |