摘要
尽管在面部表情识别领域已有大量研究，但实现最高精度仍面临显著挑战。本研究旨在通过优化模型结构、改进训练数据及调整训练策略，提升现有模型的识别准确率。具体而言，将正则化技术引入Xception网络架构，结合训练数据增强，并采用阶梯式衰减学习率策略，有效突破了当前技术瓶颈。在面部表情识别（FER2013）数据集上的实验评估表明，该方法显著提升了模型性能，准确率高达94.34%。本研究为提升面部表情识别系统的性能提供了新的技术路径，尤其针对该领域对更高识别精度的迫切需求，具有重要的应用价值与研究意义。
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| facial-expression-recognition-on-fer2013 | Regularized Xception with Step Decay Learning | Accuracy: 94.34 |