孙晓　潘汀　任福继,2



基于ROI-KNN卷积神经网络的面部表情识别

孙晓1潘汀1任福继1,2

深度神经网络已经被证明在图像、语音、文本领域具有挖掘数据深层潜在的分布式表达特征的能力.通过在多个面部情感数据集上训练深度卷积神经网络和深度稀疏校正神经网络两种深度学习模型，对深度神经网络在面部情感分类领域的应用作了对比评估.进而，引入了面部结构先验知识，结合感兴趣区域（Region of interest，ROI）和K最近邻算法（K-nearest neighbors，KNN），提出一种快速、简易的针对面部表情分类的深度学习训练改进方案—ROI-KNN，该训练方案降低了由于面部表情训练数据过少而导致深度神经网络模型泛化能力不佳的问题，提高了深度学习在面部表情分类中的鲁棒性，同时，显著地降低了测试错误率.

卷积神经网络，面部情感识别，模型泛化，先验知识

引用格式孙晓，潘汀，任福继.基于ROI-KNN卷积神经网络的面部表情识别.自动化学报，2016，42（6）：883-891

面部情感识别是情感计算中情感识别的重要研究内容之一.面部五官的不同移动、变化程度及其组合，结合人脑中预存的先验知识，构成生物情感认知系统中最敏捷、有效的识别部分，面部表情在情感交互中承载了大部分的信息.

对计算机而言，面部表情识别是一项艰巨的任务.计算机想要完成面部表情识别任务，需要大量的训练数据（标注的面部表情数据）来降低模型系统的不确定性.然而，目前尚未形成面部情感的自然大数据集（标注的自然条件下……