基于深度卷积神经网络的迁移学习在面部情绪识别中的应用

人脸情绪识别（Facial Emotion Recognition, FER）因其广阔的应用前景而受到研究界的广泛关注。将不同的面部表情映射至相应的情绪状态是FER的核心任务。传统的FER方法通常包含两个主要步骤：特征提取与情绪识别。目前，深度神经网络（Deep Neural Networks），尤其是卷积神经网络（Convolutional Neural Network, CNN），凭借其从图像中自动提取特征的内在能力，已被广泛应用于FER领域。已有若干研究采用仅含少量网络层的CNN来解决FER问题。然而，采用简单学习策略的标准浅层CNN在处理高分辨率图像时，其特征提取能力受限，难以充分捕捉情绪相关的细微信息。