摘要：針對深度卷積神經(jīng)網(wǎng)絡隨著卷積層數(shù)增加而導致網(wǎng)絡模型難以訓練和性能退化等問題,提出了一種基于深度殘差網(wǎng)絡的人臉表情識別方法。該方法利用殘差學習單元來改善深度卷積神經(jīng)網(wǎng)絡模型訓練尋優(yōu)的過程,減少模型收斂的時間開銷。此外,為了提高網(wǎng)絡模型的泛化能力,從KDEF和CK+兩種表情數(shù)據(jù)集上選取表情圖像樣本組成混合數(shù)據(jù)集用以訓練網(wǎng)絡。在混合數(shù)據(jù)集上采用十折(10-fold)交叉驗證方法進行了實驗,比較了不同深度的帶有殘差學習單元的殘差網(wǎng)絡與不帶殘差學習單元的常規(guī)卷積神經(jīng)網(wǎng)絡的表情識別準確率。當采用74層的深度殘差網(wǎng)絡時,可以獲得90.79%的平均識別準確率。實驗結(jié)果表明采用殘差學習單元構(gòu)建的深度殘差網(wǎng)絡可以解決網(wǎng)絡深度和模型收斂性之間的矛盾,并能提升表情識別的準確率。