自适应重加权池化深度多任务学习的表情识别
作者:王晓峰; 王昆; 刘轩; 郝潇
更新时间:
为了实现准确、快速的表情识别,提出了一种自适应加权池深度多任务学习(Aristole)表情识别方法。设计了双神经网络,通过自适应加权模块动态调整缩放概率参数,获得具有不同特征的类别标签信息。改进自适应池方法,根据样本和训练过程的变化选择合适的参数,提高特征提取的灵活性。结合类别标签信息和样本的局部空间分布信息,将改进的判别式DMTL用于人脸表情识别。实验结果表明,三种数据集对识别率的识别率分别为95.2%、84.1%和73.6%,执行时间为0.082s,优于其他比较方法。