文档介绍：Special Technology
低的部分，将经卷积运算后的矩阵尺寸进行压缩，以保
Propagation，BP）神经网络和卷积神经网络（Convolutional 证全连接层拟合正常，对分类器质量不造成影响。
Neural Network，CNN）模型的应用，使得人面部表情全连接层：全连接层位于 CNN 隐含层的最后，并
能够获得更加精准、更加灵敏的识别，同时整个人脸识且其信号传递具有特异性，只将信号传递到其他全连接
别系统的信息的可靠性和系统的稳定性也获得了极大提层。而被传递到全连接层的特征图在这里失去空间拓扑
升 [1]。但由于人的面部表情的多变、复杂，传统模型在结构，以向量的形式输出，比如，根据本文中人面部的
进行运算时往往负载过大，拖慢计算的速度且降低计算 6种表情，全连接层的特征图会以1×6的向量形式输出。
的精度，这是传统模型存在的一个明显不足。因此本文输出层：输出层位于全连接层的下游。常见的三种
主要以 CNN 算法模型对多种渠道收集到的人面部表情输出结果：一是在图像分类上，输出层使用逻辑函数或
图片进行运算，使用 Opencv 捕捉人的面部表情，从而者归一化指数函数对图片分类标签输出；二是在图像语
探讨 CNN 模型进行人脸识别的准确度与运算速度问题。义分割中，直接输出每个像素的分类结果；三是在物体
识别上，可输出物体的中心坐标、大小和分类。
1 主要算法
运算函数
卷积神经网络 Softmax 函数：Softmax 函数指归一化指数函数，主
卷积神经网络（Convolutional Neural Network，要起分类作用。它的功能是将多个神经元的输出映射到
CNN）是指一种特别的前馈神经网络（Feedforword （0，1）区间范围内，Softmax