摘要
受近期深度学习在计算机视觉领域取得的成功启发，我们提出了一种新的应用，即将深度卷积神经网络应用于面部表情识别，特别是微笑识别。对于Denver自发面部动作强度（DISFA）数据库，我们的微笑识别测试准确率达到了99.45%，显著优于基于手工设计特征的现有方法，这些方法的准确率范围从65.55%到79.67%。该方法的创新之处在于对架构参数进行了全面的模型选择，从而为每种表情（如微笑）找到合适的架构。这一过程得以实现是因为所有实验均在Tesla K40c GPU上运行，相比传统的CPU计算速度提高了10倍。