-
题名空间分组增强注意力的轻量级人脸表情识别
被引量：1
- 1
-
-
作者
刘劲
罗晓曙
徐照兴
-
机构
广西师范大学电子工程学院
江西服装学院大数据学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第22期233-241,共9页
-
基金
广西人文社会科学发展研究中心科学研究工程·创新创业专项(重大委托项目)(ZDCXCY01)。
-
文摘
由于人脸表情特有的复杂性与微妙性,对表情进行高精度识别是一个困难问题。针对轻量级网络在自然环境下对面部表情的特征提取不够充分、泛化能力不足等问题,提出了一种基于空间分组增强注意力的轻量级人脸表情识别方法。在浅层网络设计了并行的深度卷积残差结构,以增强模型对面部表情局部细节的表征能力,并与全局整体特征相融合。在深层网络建立了空间分组增强注意力机制,以提高表情特征分布的稳定性,并强化模型对表情细微变化的判别能力。为了避免模型过拟合,在不大量增加计算复杂度的前提下,对主干网络输出结构进行改进。该方法在公开的七分类数据集RAF-DB、AffectNet-7以及八分类数据集AffectNet-8上的表情识别准确率分别达到了88.33%、63.09%和60.12%,实验结果表明,所提方法在降低网络参数的同时,提高了表情识别准确率,证明了该方法的有效性,具有一定的应用前景。
-
关键词
人脸表情识别
深度可分离卷积
区域特征融合
空间分组增强注意力
轻量化
-
Keywords
facial expression recognition
depthwise separable convolution
regional feature fusion
spatial group-wise enhance
lightweight
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
