基于全局空间注意力的人脸表情识别

• 作者: 李一凡 袁龙健 王瑞
• 来源期刊: 工业控制计算机
• 关键词: 人脸表情识别 深度学习 卷积神经网络 全局空间注意力模块
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 数据采集与通信
• 页码范围: 75-76,84
• 页数: 3页
• 语种: 中文
• DOI: 10.3969/j.issn.1001-182X.2022.01.026

摘要

人脸表情识别是模式识别领域中一个重要的研究方向.传统的机器学习方法受限于需要手动提取特征,该方式会导致识别结果的泛化能力不足,且稳定性较差.针对该限制,设计了一种基于深度学习的人脸表情识别算法,该算法通过卷积神经网络提取特征,然后经过全局空间注意力模块对特征分配权重,增强并融合重要特征、抑制边缘特征,从而提升网络分类的准确性.通过在FER2013人脸表情数据集上的实验,验证了该算法的合理性与有效性,最高达到了1.014％的准确度提升.最后,将算法应用于真实场景下的人脸表情识别,同样能拥有较高的识别精度,验证了该算法在真实环境下的有效性.