结合多注意力机制和中间帧序列的微表情识别

作者：李思诚; 周顺勇^*; 朱豪; 曾雅兰; 刘学

来源：无线电工程, 2023, 53(03): 636-643.

• 微表情识别
• 卷积神经网络
• 多注意力机制
• 中间帧序列
• 迁移学习

微表情是一种反映人真实情感的自发性面部变化。由于微表情变化微弱且持续时间短暂，传统的神经网络难以提取到类间差异极小的微表情特征。针对上述问题，提出了一种改进的ECANet34-DA网络，在残差网络的主干部分加入DA模块和不降维局部跨通道交互策略的高效通道注意力(Efficient Channel Attention, ECA),能够关注到更细微的表情变化。使用峰值帧附近序列组成中间帧序列作为输入图像，有效解决数据量有限问题。将宏表情数据集Fer2013的先验知识通过迁移学习应用到微表情识别。将ECANet34-DA网络模型在主流数据集CASME II,SMIC和SAMM上进行实验，使用留一人交叉验证方法表明此方法有效提高了识别精度，在CASME II数据集5类微表情识别中取得了85.44%的准确率和81.96%的未加权F1指数(UF1)。

• 单位
  四川轻化工大学