基于改进MobileNet网络的人脸表情识别

作者：王韦祥; 周欣; 何小海; 卿粼波; 王正勇

来源：计算机应用与软件, 2020, 37(04): 137-144.

• MobileNet
• 表情识别
• 深度可分离卷积
• 支持向量机

针对轻量级卷积神经网络MobileNet应用于人脸表情识别实时性较差、最小输入尺寸较大、准确率不高等问题,提出一种改进的MobileNet网络模型——M-MobileNet(Modified MobileNet)。M-MobileNet具有比原网络更好的轻量级特性。该网络模型基于一种改进的深度可分离卷积层,不仅具有MobileNet模型中深度可分离卷积减少卷积计算量的特点,还解决了在深度卷积层后可能会导致信息丢失的问题。在分类器选择上,M-MobileNet使用线性支持向量机(SVM)进行人脸表情分类,参数量较MobileNet网络大大减少。在CK+、KDEF数据集及移动端上的实验证明,改进后的MobileNet网络模型具有更好的识别性能。

• 单位
  中国信息安全测评中心; 四川大学