深度多尺度融合注意力残差人脸表情识别网络

• 作者: 高涛 杨朝晨 陈婷 邵倩 雷涛
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 人脸表情识别 残差网络 多尺度特征 注意力机制 遮挡人脸 卷积神经网络 特征融合 深度学习
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 人工智能基础|Fundamentals of Artificial Intelligence
• 页码范围: 393-401
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11992/tis.202107028

摘要

针对人脸表情呈现方式多样化以及人脸表情识别易受光照、姿势、遮挡等非线性因素影响的问题,提出了一种深度多尺度融合注意力残差网络(deep multi-scale fusion attention residual network,DMFA-ResNet).该模型基于ResNet-50残差网络,设计了新的注意力残差模块,由7个具有三条支路的注意残差学习单元构成,能够对输入图像进行并行多卷积操作,以获得多尺度特征,同时引入注意力机制,突出重点局部区域,有利于遮挡图像的特征学习.通过在注意力残差模块之间增加过渡层以去除冗余信息,简化网络复杂度,在保证感受野的情况下减少计算量,实现网络抗过拟合效果.在3组数据集上的实验结果表明,本文提出的算法均优于对比的其他先进方法.