标题：深度可分离CNN在表情识别中的应用研究
作者：柳永翔1 付晓峰1；付晓鹃2；周伟1 潘哲琦1
作者单位：1 杭州电子科技大学计算机学院，浙江 杭州 310018；2 青海交通职业技术学院基础部，青海 西宁 810000
关键字：人脸检测；表情识别；神经网络；深度可分离卷积；表情识别系统
摘要：目前，表情识别的研究主要集中在提高准确率、速率及鲁棒性上。对此，该方法提出一种新型网络结构，将传统卷积和深度可分离卷积相结合。在传统网络提取的二维特征基础上，对不同深度进行特征提取，实现二维特征向三维特征的转变，有效提高识别准确率和网络鲁棒性。同时，由于深度可分离卷积的特点，所提新型网络结构可大大减少网络参数，有效降低训练计算量并提高识别速率。实验结果表明，该模型在FER-2013数据集上拥有79.3%的准确率，在识别640480的视频时，可达103帧/秒的识别速度。在现实场景的实时人脸表情识别中，也有较高的准确率和识别速率。