基于卷积网络注意力机制的人脸表情识别

郭昕刚; 程超; 沈紫琪

doi:10.13229/j.cnki.jdxbgxb.20221345

吉林大学学报(工学版) ›› 2024, Vol. 54 ›› Issue (08) : 2319 -2328. DOI: 10.13229/j.cnki.jdxbgxb.20221345

基于卷积网络注意力机制的人脸表情识别

郭昕刚, 程超, 沈紫琪

作者信息 +

Author information +

文章历史 +

摘要

针对表情识别时出现参数量大和识别能力弱等问题，提出一种基于卷积网络人脸表情识别方法。引入改进型残差模块，在减少参数量的同时增强对表情区域的关注；利用通道-空间注意力机制对网络提取的表情区域实现不同维度和位置上的权重分配，专注于表情关键点中细微差别特征信息；利用细节模块进一步提取深度特征信息。为得到更高准确度，引入联合损失函数延长类外距离，缩短类内距离以提高表情识别准确度。本文将此网络运用到数据集FER2013、CK+中，实验结果表明：本算法平均识别率分别为63.91%、97.98%，参数量为11.34 M。与VGG网络、残差网络等对比，该模型不仅提高了识别率，还减少了冗余参数量。