计算机工程与应用

2022, v.58;No.1013(22) 123-131

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

注意力金字塔卷积残差网络的表情识别
Expression Recognition Based on Convolution Residual Network of Attention Pyramid

陈加敏;徐杨;

摘要(Abstract):

人脸表情是人类内心情绪最真实最直观的表达方式之一,不同的表情之间具有细微的类间差异信息。因此,提取表征能力较强的特征成为表情识别的关键问题。为提取较为高级的语义特征,在残差网络(ResNet)的基础上提出一种注意力金字塔卷积残差网络模型(APRNET50)。该模型融合金字塔卷积模块、通道注意力和空间注意力。首先用金字塔卷积提取图像的细节特征信息,然后对所提特征在通道和空间维度上分配权重,按权重大小定位显著区域,最后通过全连接层构建分类器对表情进行分类。以端到端的方式进行训练,使得所提网络模型更适合于精细的面部表情分类。实验结果表明,在FER2013和CK+数据集上识别准确率可以达到73.001%和94.949%,与现有的方法相比识别准确率分别提高了2.091个百分点和0.279个百分点,达到了具有相对竞争力的效果。

关键词(KeyWords): 残差网络;金字塔卷积;注意力机制;表情识别;特征提取

Abstract:

Keywords:

基金项目(Foundation): 贵州省科技计划项目(黔科合支撑[2021]一般176)

作者(Authors): 陈加敏;徐杨;

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享