基于注意力机制的CNN人脸表情识别

• 作者: 程换新 成凯 蒋泽芹
• 来源期刊: 电子测量技术
• 关键词: 人脸表情识别 卷积神经网络 特征提取 注意力机制
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 信息技术及图像处理|Information Technology and Image Processing
• 页码范围: 128-132
• 页数: 5页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2005422

摘要

人脸表情识别在人机交互、情感计算等计算机视觉领域具有十分重要的应用前景.针对人脸表情识别的复杂性、多样性、遮挡性、光照等方面的挑战,提出了一种新的端到端网路,并将注意力力机制应用于表情自动识别.新的网络体系结构由特征提取模块、注意力模块、重构模块和分类模块四部分组成.通过LBP特征提取图像纹理信息,捕捉人脸的微小运动,提高网络性能.注意力机制可以使神经网络更加关注有用的特征,并结合LBP特征和注意力机制对注意力模型进行改进,提高识别精度.将新提出的方法应用于3个代表性的数据集,即JAFFE、CK+和FER2013,实验结果表明在3个数据集上人脸表情识别精度分别达到了 98.95％、98.95％和79.89％,证明该方法利于提高人脸表情的识别率,具有一定的先进性.