基于轻量级注意力残差网络的面部表情识别方法

郜高飞; 邵党国; 马磊; 易三莉

doi:10.13413/j.cnki.jdxblxb.2023474

吉林大学学报(理学版) ›› 2025, Vol. 63 ›› Issue (02) : 437 -444. DOI: 10.13413/j.cnki.jdxblxb.2023474

基于轻量级注意力残差网络的面部表情识别方法

郜高飞, 邵党国, 马磊, 易三莉

作者信息 +

Author information +

文章历史 +

PDF (2446K)

摘要

针对卷积神经网络参数量大、训练时间长的问题，提出一种基于轻量级注意力残差网络的面部表情识别方法.首先，以残差网络为骨架重新搭建模型，通过减少层数并改进残差模块提高模型性能；其次，引入深度可分离卷积减少模型的参数量和计算工作量；最后，采用Mish函数替代ReLU函数的挤压激励模块自适应地调整通道权重.该模型在两个公共数据集CK+和JAFFE上采用经典的十折交叉验证方式进行验证，分别获得了98.16%和96.67%的准确率.实验结果表明，该方法在模型识别精度和复杂度之间进行了较好权衡.