应用于情绪识别的神经网络对比研究

摘要

人脸情绪识别一直是机器学习研究中重要的课题,发现准确率高、表现优秀网络的特点可以为情绪识别提供优化设计思路。利用卷积神经网络对情绪数据集进行学习,通过VGG16与ViT、MobileNet、ResNet50等模型在优化RAF-DB数据集上的表现进行对比,可以探究各模型在情绪识别过程中的处理方法和测试结果,总结准确识别网络的特点。通过实验数据发现,VGG16在测试数据集上具有更显著的准确性,其综合识别准确度可以达到95.1%。在恐惧、伤心等特殊强烈情绪的准确率上,VGG16相较于其他卷积神经网络具有较明显的优势。对VGG16网络仍可能改进的方向进行分析,提出了未来VGG16可进一步在表情识别领域发展的方向。利用VGG16网络在人脸识别系统中引入情绪识别,能够为安防、医疗、监护、机器人制造等领域提供更精确有效的支持。