基于人脸表情识别的在线课堂学生专注度分析

作者：王林; 赖梦林^*

来源：计算机系统应用, 2023, 32(02): 55-62.

DOI：10.15888/j.cnki.csa.008970

• 人脸表情识别
• 特征融合
• 注意力机制
• 深度学习

针对人脸表情识别在特征提取时容易丢失大量有用的特征信息,无法提取更加全面的人脸表情特征的问题,提出了一种多尺度特征融合网络模型(DS-EfficientNet).该模型包括深层网络和浅层网络两部分,浅层网络用来提取面部表情的细节纹理信息,深层网络提取表情的全局信息.并在浅层网络中加入注意力机制,增强对浅层细节信息的提取能力.最终在通道上进行特征融合,融合之后网络可以提取更加丰富的人脸表情信息.为了减少模型参数,提高模型的泛化性能,将全连接层替换为全局平均池化层,加入批归一化.本文提出的方法在Fer2013和CK+上进行实验,识别准确率达到了73.47%和98.84%.实验证明该方法可以提取人脸更加丰富的表情信息,模型具有更强的泛化能力.

• 单位
  西安理工大学