标题：一组基于Tensorflow的CNN-RNN的融合架构实验
作者：刘书朋 陈志强 陈 娜 陈振宜；李太豪
作者单位：上海大学特种光纤与光接入网重点实验室，特种光纤与先进通信国际合作联合实验室，上海先进通信与数据科学研究院，上海 200444；上海健康医学院医疗器械学院，上海 201318
关键字：卷积神经网络；循环神经网络；Tensorflow；表情识别
摘要：卷积神经网络对于静态局部结构有很强的抽象表达能力，循环神经网络能够从动态变化的序列数据中学习到时间上的关联性。如果将卷积神经网络和循环神经网络的优点进行结合，设计一种CNN-RNN的融合网络，那么在处理图像序列时，融合网络应能够提取更合适的特征表示，达到更好的识别效果。基于tensorflow深度学习框架，尝试多种可能的CNN-RNN融合框架，并使用CK+表情数据集进行测试，结果表明CNN-RNN框架能够有效地提取表情序列的特征，分类效果比CNN有明显的提升。