基于优化YOLOv7-Tiny的表情识别算法

摘要

表情识别不仅能够提升人机交互体验，推动情感计算的发展，还可以辅助心理健康评估和治疗，提升社会安全和监控效率。为了提高表情识别的检测平均精度，提出了一种基于优化YOLOv7-tiny的表情识别算法。首先，将YOLOv7-tiny中原有的激活函数替换为Mish函数，提高了模型的优化能力；在YOLOv7-tiny的主干网络上再增加CA注意力机制，提高了对目标感兴趣区域的注意，增加了检测的平均精度；最后，将Neck层的上采样部分替换为轻量级上采样算子CARAFE，提高了特征融合能力。实验结果表明，优化后算法的检测效果有了明显的提升，与原始YOLOv7-tiny相比，模型的mAP@0.5提高了1.6百分点，达到88.6%, mAP@0.5:0.95提高了1.3百分点，达到64%；图片检测速度达到每张图片5.0 ms，而且模型保持了轻量化。

关键词

目标检测 / 表情识别 / YOLOv7-tiny / 注意力机制 / Mish函数 / CARAFE算子

基金资助

中国博士后科学基金资助项目（2021M692400）; 山西省基础研究计划项目（202303021212360）; 山西省高等学校科技创新计划项目（2023L379）; 山西省高等学校科技创新平台项目（2022P016）