马志萍

（北方工业大学 信息学院，北京 100041）

0 引言

人脸表情的分析、识别、生成等一直是各个领域广泛研究的内容，并同时应用在影视动画、游戏娱乐、学术研究等领域。在如今很多影视剧中使用了AI 换脸技术或手机APP 的出入小区门口的人脸识别技术。

自神经网络发展以来，生成对抗网络是继残差网络之后，成为研究人员关注的新热点，其优秀的生成能力被广泛应用在各个领域之中。其中，利用生成对抗网络进行人脸表情生成的研究也一直是研究的焦点并具有重要的意义。例如，基于课堂教学环境下的学生学习兴趣智能化分析研究目前处于初级阶段。在研究学生在教学环境中的学习兴趣的理论模型中采集信息时，缺乏很多表情信息，可利用表情生成补充缺少的信息。

1 相关研究及本文研究方法

深度学习能够真正发挥其潜力，正是因为已有大量的数据可以使用，而神经网络与传统的机器学习算法的不同之处就在于前者获得的数据越多，其性能表现越好；后者则会在到达一定水平时，数据的增加不会对其性能进行提高。越来越多的研究发现，虽然生成对抗网络在大数据集上具有强大的生成能力，但在有限的数据集上生成效果会下降。

为了提高生成对抗网络在有限样本生成的效果，研究人员提出了迁移学习的方法，利用大数据集对源网络进行训练，将其训练权重迁移至目标网络，用来训练小数据集。一般情况下，两个数据集的特征具有一定相关性。……