科研之友
微信
新浪微博
Facebook
分享链接
摘要
人脸表情检测分类是人机交互领域的一个挑战性任务。为了解决当前表情识别模型参数量大、分类准确率低等问题，提出一种基于沙漏结构与注意力机制的轻量级人脸表情识别方法。首先利用改进的沙漏结构构建轻量级主干特征提取网络；然后设计一个新颖的特征融合注意模块，融合Focus池化特征以提取关键的细节信息，同时嵌入轻量级ECA注意力机制，强化关键表情特征以提升模型的特征表达能力；最后采取Random Erasing、Dropout等多种训练策略以缓解轻量级网络过拟合现象，从而提升模型的泛化性能。在2个经典表情数据集FER2013和CK+上进行测试实验，识别率分别达到了71.72%、95.96%，同时参数量仅约为1×106。
- 单位
