基于角度距离损失与小尺度核网络的表情识别

• 作者: 苏志明 王烈
• 来源期刊: 电讯技术
• 关键词: 表情识别 卷积神经网络 损失函数 低层特征掩膜化
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 应用基础与前沿技术|Application Fundamental Research and Advanced Technology
• 页码范围: 396-402
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-893x.2021.04.002

摘要

针对人脸表情类内差异大、类间相似度高导致识别率低的问题,提出了一种基于角度距离损失与小尺度核网络的表情识别方法.网络基于3×3卷积核,在网络中加入融合空间金字塔注意力的点积残差块,引入Dropblock正则化,并提出了低层特征掩膜化.该模型低层特征具备高层特征的语义信息,而且参数量较少,结构简单有效.训练时,使用提出的基于角度距离损失函数监督神经网络学习,提高了网络的类间特征分离和类内特征聚类的特征判别能力.实验结果表明,该方法在CK+和FER2013数据集上识别准确率分别达到了97.88％ 和72.81％,具有较强竞争力.此外,消融实验表明所提出的改进方法可提高表情识别率,进一步验证了其有效性.