多级细节信息融合的人脸表情识别

• 作者: 陈文绪 薛晓军 许江淳 史鹏坤 何晓云
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 关键词: 人脸表情识别 静态图片 神经网络 特征融合
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 计算机与自动化|Computer and Automation
• 页码范围: 304-310
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.201907030251

摘要

在自然环境中各种因素的干扰下,人脸表情信息匹配的识别率受到严重影响,针对此问题,提出一种改进的基于VGGNet16(visual geometry group network16)的网络模型.在VGGNet16模型的侧方添加一系列的侧输出层,并在该侧输出层添加不同的卷积核,通过上采样和下采样方法连接侧输出层的上下2层,并通过训练使侧输出层能够对其上下2层的表情信息进行加权融合.在VGGNet16第5层的后方添加2种不同的卷积核.将侧输出层最终得到的特征图进行局部卷积操作,将VGGNet16输出的最终特征图进行全局特征卷积操作,使局部特征与全局特征融合得到最终要进行分类的特征.该模型在CK+(the extended cohn-kanade)数据集上的识别率为98.6％,在RAF-DB(real-world affective faces)数据集上的表情识别率为79.59％,通过对比常用模型在这2种数据集上的识别率发现该模型具有一定的优势.