张宏丽，白翔宇

1.内蒙古师范大学 教育技术系，呼和浩特 010022

2.内蒙古大学 计算机学院，呼和浩特 010021

如今，计算机技术发展迅猛，网络化学习、医疗、交通以及社会安全等领域都广泛应用了自动面部表情识别技术[1-2]。大多数方法都是在用户头部位于正面或近正面状态下进行的表情识别，人脸基本不受遮挡的影响[3]。然而，该限制条件使得表情识别算法的鲁棒性大大降低。除此之外，还有些方法是通过直接约束用户，对用户相关的表情特征进行学习。该特征对用户的身份信息特别敏感，因此，对未知用户的识别鲁棒性有待提升[4]。

目前面部表情识别主要分为两种方式：一种是单帧图像，另一种是视频图像。前者主要是从输入中提取特征图像，后者则能对图像序列的时间信息和每一个静态图像的特征进行提取[4-6]。一些面部表情识别系统在某些图像数据集中可能有很好的性能，但在其他数据集中表现较差，对人脸表情识别的鲁棒性仍有提升的空间[7-8]。

基于上述分析，针对人脸表情识别准确率和数据集通用性等问题，提出了一种基于优化剪枝GoogLeNet的人脸表情识别方法。所提方法的创新点总结如下：

（1）为了提高特征提取的准确性，对GoogLeNet 网络进行改进，去掉最后一个全连接层并保留检测目标的位置信息，添加全局最大池化层，以Sigmoid交叉熵作为训练的目标函数，从而获得更加全面的特征信息。

（2）GoogLeNet 网络中存在参数冗余、计算量较大等问题。因此，所提方法使用剪枝算法来进行网络稀疏化，通过训练网络、修剪低权重连接和再训练网络三步操作，只保留卷积层和完全连接层中的强相关连接，简化了网络结构，减少了参数量，从而提高执行效率。……