表情识别FER | 基于CNN分类的表情识别研究

本文探讨了表情识别的重要性和发展历程,包括微表情的概念。重点介绍了表情识别的应用,如顾客情绪分析和人机交互,并列举了多个常用表情数据库。通过深度学习算法,特别是基于CNN的模型,实现了表情分类,实验结果显示平均准确率为70.2%。尽管目前的准确度仍有提升空间,表情识别在人机交互中的关键作用预示着其未来的重要性。
摘要由CSDN通过智能技术生成

GitHub 微信公众号 知乎 B站 CSDN

说白了,就是个分类任务,但是纯粹的CNN分类,只是对传统方式的提升,本质思路没有改变,效果也不是很明显。

本文转自:WangBo_NLPR https://blog.csdn.net/walilk/article/details/58709611

前言

本文主要整理自笔者在表情识别(emotion recognition)研究上的实验笔记资料,给出了表情识别常用的数据库,论文资料,识别方法,评价指标,以及笔者的实验笔记和实验结果。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Charmve

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值