mini_Xception架构

参考文献：Real-time Convolutional Neural Networks for Emotion and Gender Classification

1.mini_Xception架构受到了Xception架构的启发，结合了残差模块和深度可分离卷积的使用。残差模块修改了后续两个层之间所期望的映射，学习到的特征成为了原始特征图和期望的特征图之间的不同。mini_Xception结构在去掉最后的全连接层的基础上，通过消除卷积层中的参数来进一步减少参数的数量，架构大约有60000个参数，与传统的卷积神经网络相比减少了80倍。

2. mini_Xception架构是一个全卷积神经网络，包含四个残差深度可分离卷积，每个卷积后添加批标准化和ReLU激励函数。最后的层使用了全局平均池（global average pooling）和soft-max激励函数去做出预测。

3. 该体系结构在性别分类任务中获得了95%的准确率。在FER-2013数据集上测试情感分类任务获得了的66%的准确率。最终的架构可以存储在一个855kb的文件中。