摘要：由于人類個(gè)體面部形態(tài)各種各樣,使得不同人在表達(dá)同一感情時(shí)有可能產(chǎn)生較大的視覺(jué)差異,為了減弱這種內(nèi)類視覺(jué)差異性對(duì)人臉表情識(shí)別產(chǎn)生的影響,該文提出一種分層多任務(wù)學(xué)習(xí)的人臉表情識(shí)別方法,該方法以現(xiàn)有深度卷積神經(jīng)網(wǎng)絡(luò)模型為基礎(chǔ),構(gòu)造雙層樹分類器以替換輸出層的平面softmax分類器,構(gòu)建深度多任務(wù)學(xué)習(xí)框架,通過(guò)利用人臉表情標(biāo)簽和人臉標(biāo)簽共同學(xué)習(xí)更具辨識(shí)力的深度特征,將知識(shí)從相關(guān)人臉識(shí)別任務(wù)中遷移過(guò)來(lái),從而減弱面部形態(tài)對(duì)表情識(shí)別的影響,提高表情識(shí)別性能。實(shí)驗(yàn)結(jié)果表明,相較于VGGnet,Googlenet和Resnet深度模型,文中提出的方法均提高了人臉表情識(shí)別率,且成功推廣到面癱表情識(shí)別問(wèn)題中。