基于迁移学习VGG-16的微表情识别

为提高微表情识别精度更好地为微表情分类，提出迁移学习技术与VGG-16模型相结合的微表情识别方法。以CASME、CASMEⅡ作为数据集，在预处理阶段通过对图像进行几何变换、均衡化构建微表情数据集。利用迁移学习后的VGG-16为模型，用数据增强后的数据集，在相同参数环境下，与AlexNet、GooLeNet、ResNet-18模型做对比，探究了不同模型对8种微表情识别的影响，同时探究了不同数据集对模型的性能影响。实验结果：基于迁移学习的VGG-16模型，训练精度及训练损失值均优于参照模型，模型识别精度与数据集数量成正比。