基于改进的Faster RCNN面部表情检测算法

• 作者: 伍锡如 凌星雨
• 来源期刊: 智能系统学报
• 关键词: 目标检测 深度学习 表情识别 快速区域卷积神经网络 特征提取 分类识别 多目标识别 多目标定位
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 机器学习|Intelligent Systems
• 页码范围: 210-217
• 页数: 8页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.11992/tis.201910020

摘要

针对真实环境下多目标表情分类识别算法准确率低的问题,提出一种基于改进的快速区域卷积神经网络(Faster RCNN)面部表情检测算法.该算法利用二阶检测网络实现表情识别中的多目标识别与定位,使用密集连接模块替代原始的特征提取模块,该模块能够融合多层次特征信息,增加网络深度并避免网络梯度消失.采用柔性非极大抑制(soft-NMS)改进候选框合并策略,设计衰减函数替换传统非极大抑制(NMS)贪心算法,避免相邻或重叠目标漏检,提高网络在多目标情况下的检测准确率.通过构建真实环境下的表情数据集,基于改进的Faster RCNN进行实验测试,在不同场景中能够检测出目标的面部表情,检测准确率相比原始检测模型提高5％,取得较好的检测精度.