基于余弦距离损失函数的人脸表情识别算法

论文摘要

为解决人脸表情识别任务中存在的类内表情差异性大、类间表情相似度高的问题,基于传统的Softmax损失函数和Island损失函数,提出一种新的基于余弦距离损失函数来指导深度卷积神经网络的学习。该方法不仅可以减小特征空间中类内特征的差异,而且可以增大类间特征分布,从而提升特征判别效果。经过大量的实验和分析,该算法在RAF-DB人脸表情数据集上的准确率达到了83.196%,效果优于Softmax损失函数和Island损失函数,所提算法在人脸表情识别任务中具有较高的优越性。

论文目录

• 1 引言
• 2 基本原理
•   2.1 人脸表情识别方法
•   2.2 传统损失函数
•   2.3 基于余弦距离的损失函数
• 3 实验仿真
•   3.1 实验设置
•     3.1.1 预处理
•     3.1.2 人脸表情数据集
•     3.1.3 卷积神经网络框架及训练配置
•   3.2 实验结果
• 4 结论

文章来源

类型: 期刊论文

作者: 吴慧华,苏寒松,刘高华,李燊,苏晓

关键词: 机器视觉,深度学习,表情识别,卷积神经网络,损失函数

来源: 激光与光电子学进展 2019年24期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用,自动化技术

单位: 天津大学电气自动化与信息工程学院

基金: 广州市科技计划项目（201802020008）

分类号: TP391.41;TP183

页码: 196-202

总页数: 7

文件大小: 449K

下载量: 240