基于多尺度融合注意力机制的人脸表情识别研究

• 作者: 史浩 邢瑜航 陈炼
• 来源期刊: 微电子学与计算机
• 学科: 工学
• 关键词: 计算机视觉 深度学习 人脸表情识别 特征提取 多尺度特征融合 注意力机制
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 人工智能与算法
• 页码范围: 34-40
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19304/J.ISSN1000-7180.2021.0799

摘要

针对传统卷积神经网络在表情特征提取阶段容易丢失大量有用信息，无法提取到高判别性表情特征，从而导致表情识别率低的问题，提出一种基于多尺度特征融合注意力机制的人脸表情识别方法.首先，采用VGGNet16来提取卷积特征.为了避免表情特征信息的丢失，将网络中不同层次卷积层的输出特征图进行多尺度特征融合，引入上下文信息的同时提取更加丰富的表情特征信息；为了能够着重关注关键表情特征，在网络中引入了注意力机制.该机制利用分组卷积操作对通道注意力模块进行改进，学习不同通道的权重信息，获取注意力特征图，增强特征的表达能力，抑制冗余信息的影响.为了进一步提高提取到表情特征的可判别性，引入孤岛损失函数，并与Softmax分类损失函数联合使用构成新的损失函数.最后，由于对全连接层进行了删减.为防止网络出现过拟合问题，在卷积层引入了DropBlock策略.实验结果表明，该模型在Fer2013和CK+数据集上分别取得了73.32%和97.40%的平均准确率。