基于卷积网络通道注意力的人脸表情识别

• 作者: 张波 兰艳亭 李大威 牛兴龙
• 来源期刊: 无线电工程
• 学科: 工学
• 关键词: 卷积网络 人脸表情识别 ResNet Xception Senet 注意力机制
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 信号与信息处理|Signal and Information Processing
• 页码范围: 148-153
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3106.2022.01.022

摘要

针对目前人脸表情识别(Facial Expression Recognition,FER)方法准确率低、 模型大和识别时间长的问题,提出了一种基于卷积神经网络的通道注意力FER算法,在普通的卷积层中加入Xception网络中的可分离卷积网络,减少参数量和运算成本.在可分离卷积层的输出加入通道注意力Senet,实现对输出通道的权值按重要程度进行重新分配.引入Resnet网络中残差机制,减轻梯度消失现象.对设计的模型分别在CK+,RAF-DB数据集和FER2013数据集进行训练.实验结果显示,在CK+,RAF-DB数据集和FER2013数据集准确率分别提高至99.45％,78.10％和62.65％.模型参数量仅有1.8 MB,识别时间1.24 s.实现了更准、 更快、 更轻的FER.