多尺度坐标注意力金字塔卷积的面部表情识别

作者：倪锦园; 张建勋

来源：计算机工程与应用, 2022, 1-12.

• 金字塔卷积
• 面部特征
• 注意力
• 深度可分离混洗

针对于传统卷积神经网络对人脸面部表情特征提取能力不足、计算速度较慢等问题，该文提出了一种多尺度融合注意力的金字塔卷积模型。为了减少网络的参数量，提高网络的计算速度，增大模型的感受野，改进了金字塔卷积结构；为了从多尺度表示面部表情特征，提高模型对面部特征的表示能力，提出了SECA坐标注意力模块；为了节省网络的计算量，解决模型冗余的问题，促进通道间的信息融合，提出了深度可分离混洗方法。实验结果表明，该模型在公开数据集fer2013、ck+和JAFFE上的准确率分别为72.89%、98.55%和94.37%，参数量为19.58M，与其他网络对比，该文提出的网络识别效果更好、准确率更高，同时保持较快的计算速度。

• 单位
  重庆理工大学