.png){kind=icon}
返回
Facial Affect Detection using Transfer Learning: A Comparative Study
.png){kind=icon}
OA
AI
DOI：10.31234/osf.io/ubq34.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
面部表情分析被认为是机器人人性化领域中最复杂和最具挑战性的领域之一。一些面部表情识别（FER）系统应用通用机器学习算法来提取面部特征。这导致了对先前未见数据的错误分类。本文改进了之前关于情绪检测的研究，并实现了技术以有效利用卷积神经网络（CNNs）的潜力，将一组灰度人脸图像分类为七个不同的情绪类别。我们实验了一些流行的迁移学习模型，以实现七类分类任务的最大98%准确率。为了进一步榨取精度并减少损失值，我们将Squeeze and Excitation Network整合到ResNet-50模型中，这导致验证准确率达到99.36%。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息