ty -jour a2 -bao，wenzheng au -zhao，yifeng au -chen，deyun py -2020 da -2020/10/27 ti-使用改进的胶囊网络型号SP -8845176 VL -2020 AB-瞄准的面部表达识别方法提出了基于改进的胶囊网络模型的面部表达识别方法在不受约束的条件下面部表达识别的问题。首先，表达图像通过基于改进的韦伯面的照明标准化，而高斯过程回归树检测到了面部的关键点。然后，引入了3DMMS模型。3D面形状与图像中的面部相一致，由迭代估计提供，以进一步提高面部姿势标准化的图像质量。在本文中，我们认为需要从一开始就需要对面部表达识别中使用的卷积特征进行培训，并在训练过程中添加尽可能多的样本。最后，本文试图将传统的深度学习技术与胶囊配置相结合，在胶囊网络中的主要胶囊层之后增加了注意力层，并提出了一个适合表达识别的改进的胶囊结构模型。JAFFE和BU-3DFE数据集的实验结果表明，识别率分别可以达到96.66％和80.64％。SN -1058-9244 UR -https：//doi.org/10.1155/2020/8845176 do -10.1155/2020/8845176 JF-科学编程PB- hindawi kw -er -er- er- er- er-