摘要：針對(duì)深度卷積神經(jīng)網(wǎng)絡(luò)隨著卷積層數(shù)增加而導(dǎo)致網(wǎng)絡(luò)模型難以訓(xùn)練和性能退化等問(wèn)題,提出了一種基于深度殘差網(wǎng)絡(luò)的人臉表情識(shí)別方法。該方法利用殘差學(xué)習(xí)單元來(lái)改善深度卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練尋優(yōu)的過(guò)程,減少模型收斂的時(shí)間開(kāi)銷。此外,為了提高網(wǎng)絡(luò)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(xùn)練網(wǎng)絡(luò)。在混合數(shù)據(jù)集上采用十折(10-fold)交叉驗(yàn)證方法進(jìn)行了實(shí)驗(yàn),比較了不同深度的帶有殘差學(xué)習(xí)單元的殘差網(wǎng)絡(luò)與不帶殘差學(xué)習(xí)單元的常規(guī)卷積神經(jīng)網(wǎng)絡(luò)的表情識(shí)別準(zhǔn)確率。當(dāng)采用74層的深度殘差網(wǎng)絡(luò)時(shí),可以獲得90.79%的平均識(shí)別準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明采用殘差學(xué)習(xí)單元構(gòu)建的深度殘差網(wǎng)絡(luò)可以解決網(wǎng)絡(luò)深度和模型收斂性之間的矛盾,并能提升表情識(shí)別的準(zhǔn)確率。