Paper：Extended deep neural network for facial emotion recognition（2019)

目录

• 总结：
• 1. 模型和结果
• 1.1 模型参数
• 1.2 模型方法
• 2. 数据处理
• 2.1 裁剪
• 2.2 ntensity normalization
• 思考和收获

总结：

用一个简单的CNN模型实现了CK+和JAFFE数据集的表情识别。
该模型仅仅使用了卷积层和 深度残差模块，达到了 93.24% 的准确度。

1. 模型和结果

1.1 模型参数

• 优化方法：SGD
• batch size ：64
• 学习率设置：开始 4e-2，，每10个周期递减0.005，1e-5 终结

1.2 模型方法

• 全局平均池化 用在最后一层，以降低输入到全连接层的维度。
• 使用了 BN，以提升泛化能力和优化效率

2. 数据处理

2.1 裁剪

2.2 ntensity normalization

思考和收获

1. 可以学习用简单的模型来完成CK+数据集表情识别的任务。
2. intensity normalization 的预处理方法
3. 剪裁的新方法
4. 学习率应该可以设置一个最低阈值