增强可分离卷积通道特征的表情识别研究

• 作者: 梁华刚 雷毅雄
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 人脸表情 卷积神经网络 深度可分离卷积 压缩激发模块
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 模式识别与人工智能|Pattern Recognition and Artificial Intelligence
• 页码范围: 184-192
• 页数: 9页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008-0076

摘要

针对目前人脸表情识别准确率不高、网络模型参数复杂等问题,提出一种增强可分离卷积通道特征的人脸表情识别研究方法.设计了一种轻量型卷积神经网络结构提取表情特征,在卷积层中采用深度可分离卷积减少网络参数;引入了压缩激发模块,对不同通道的特征进行权重分配,在不同的卷积层采用不同的压缩率来增强网络对人脸表情的特征提取能力;将提取到的特征送入分类器实现人脸表情分类,在CK+和FER2013数据集上进行实验并分析.实验结果表明:与现有方法相比,提出的网络结构在CK+和FER2013数据集上,识别率分别提高了0.15个百分点和3.29个百分点,且网络模型参数量降低了75％.所提方法在降低网络参数的同时,提高了表情识别准确率.