基于DenseNet的人脸图像情绪识别研究

作者：雷建云; 马威; 夏梦^*; 郑禄; 田望

来源：中南民族大学学报(自然科学版), 2023, 42(06): 781-787.

DOI：10.20056/j.cnki.ZNMDZK.20230609

• 人脸情绪识别
• 稠密神经网络
• 空洞卷积
• 中心损失函数
• 深度学习优化器

针对人脸情绪识别类内差异大，类间差异小的特点，结合学生人脸图像的线上课堂情绪识别的场景，提出多尺度空洞卷积模块提取不同空间尺度特征的稠密深度神经网络模型，实现自然场景下学生人脸图像识别.该模型主要由多尺度空洞卷积和DenseNet神经网络两个子网络组成，其中多尺度空洞卷积由不同空洞率的四分支网络提取不同尺度特征，空洞卷积减小特征图尺寸，减少DenseNet内存资源占用；最后在DenseNet网络中结合Adam优化器和中心损失函数.使用稠密网络的旁路连接，加强情绪特征传递和复用.研究结果表明：基于稠密深度神经网络的情绪识别网络模型能够有效提高情绪分类的准确率，模型对预处理后的FER2013+数据集识别准确率达到93.99%，可为线上教学反馈提供技术支持.

• 单位
  中南民族大学