55、实时表情识别与作物病虫害识别研究

实时表情识别与作物病虫害识别研究

实时表情识别

1. 数据集
   • 采用ICML2013表情学习挑战期间及通过Google图像搜索API自动收集的无约束数据库。
   • 包含28,708张测试图像（训练集）、3589张公共验证图像（公共测试集）和私有验证图像（私有测试集）。
   • 每张图像为固定大小48×48的灰度图像，有七种表情，对应数字标签0 - 6，具体如下：
     | 数字标签 | 表情 |
     | ---- | ---- |
     | 0 | 愤怒 |
     | 1 | 厌恶 |
     | 2 | 恐惧 |
     | 3 | 开心 |
     | 4 | 悲伤 |
     | 5 | 惊讶 |
     | 6 | 中性 |
2. 特征提取网络
   • 网络深度影响 ：对于应用于面部表情识别的CNN网络，增加网络深度可使特征提取更准确，能有效克服过拟合问题，增强系统鲁棒性。但更深的网络不一定有更多参数，网络深度更取决于深层次学习能力。
   • 卷积神经网络结构 ：结合了残差网络和深度可分离卷积层，具有训练参数少、训练精度较高的优点。
     • 深度可分离卷积 ：将传统卷积操作分为深度卷积和逐点卷积。假设在H × W × di特征图上使用的卷积核大小为k × k，深度为dj，标准卷积操作的参数数量为H