摘要

面部情绪识别（Facial Emotion Recognition, FER）在人机交互领域具有重要意义，广泛应用于临床诊疗与行为分析等场景。由于人脸的个体差异性以及图像中存在姿态变化、光照条件不同等复杂因素，计算机实现准确且鲁棒的面部情绪识别仍面临巨大挑战。在各类FER技术中，深度学习模型，尤其是卷积神经网络（Convolutional Neural Networks, CNNs），因其强大的自动特征提取能力与高效的计算性能，展现出巨大潜力。本研究在FER2013数据集上实现了单网络模型的最高分类准确率。我们采用VGGNet网络架构，对模型超参数进行严格调优，并对比实验了多种优化方法。据我们所知，该模型在未使用额外训练数据的前提下，达到了73.28%的单网络最高准确率，达到了当前先进水平。