基于改进YOLOv5s的微表情识别研究

作者：宋明芮; 唐海^*; 徐洪胜

来源：重庆科技学院学报(自然科学版), 2023, 25(06): 65-71.

DOI：10.19406/j.cnki.cqkjxyxbzkb.2023.06.019

• YOLOv5s
• 微表情识别
• 目标检测
• 深度学习
• SimAM

传统的表情识别方法虽然具有较高的识别精度，但数据处理的速度较慢。针对传统表情识别方法无法及时捕捉微表情变化的问题，提出了一种基于改进YOLOv5s的微表情识别方法。在YOLOv5s的主干网络结构中添加具有无参注意力机制的SimAM模块，在不增加原模型参数的基础上分配三维注意力权重，以提高模型的特征提取能力。实验结果表明，改进YOLOv5s模型的平均精度均值比原YOLOv5s模型更高，能够实时捕捉微表情的变化，满足实时任务的需求。

• 单位
  湖北汽车工业学院