基于改进VGG16网络的失能老人表情识别研究

摘要

为能更好地关注失能老人的情绪状态，采用VGG16作为表情识别的基础模型，并在此基础上进行优化改进.首先，在特征层上将激活函数改用SiLU函数，并添加批归一化层；然后，在分类层上采用自适应平均池化处理图像，同时利用卷积层实现全连接效果，避免参数过多和过拟合问题；最后，通过SENet通道注意力机制迭代式地融合相同通道数的卷积层，实现浅层与深层特征的交互，丰富人脸表情特征提取.实验结果表明，在FER2013和CK+数据集上的识别准确率分别达到72.50%和98.70%,与基础方法对比分别提高8.20%和3.90%,实验表明改进的方法能够提高表情识别率，具有一定的先进性.

关键词

VGG16 / 表情识别 / 自适应平均化 / 通道注意力机制

基金资助

国家自然科学基金青年基金(62301348)