融合注意机制的多尺度自适应空洞卷积面部情感识别方法

摘要

针对面部不连续动作单元的关联特征提取困难，以及不同面部区域对表情识别影响程度不一可能引入无用信息的问题，提出了一种基于双分支注意力机制的多尺度自适应空洞卷积模型(dual branching attention mechanism-adaptive multi-scale dilated convolution, DAM-ADCNN)。模型通过双分支注意力机制生成特征映射，表征面部动作单元的局部和全局分布及关联关系；利用多尺度空洞卷积提取面部不连续动作单元的关键特征；采用自适应方式动态调整不同尺度关联特征的权重，以有效减少无用信息的干扰。结果表明，DAM-ADCNN模型在情感识别任务中的表现优于现有方法。在DEAP数据集的唤醒和效价维度上，模型的识别准确率分别提升了3.66%和3.99%。同时，在CK+数据集上，模型的识别准确率提高了3.93%。这些结果证明了DAM-ADCNN模型在面部表情情感识别中的有效性。

关键词

面部情感识别 / 双分支注意力机制 / 空洞卷积 / 自适应权重

基金资助

吉林省科技发展计划项目(20190302114GX)