科研之友
微信
新浪微博
Facebook
分享链接
摘要
面部表情识别已经广泛运用于人机交互、教育、自动驾驶等各种领域，针对现有表情识别方法网络结构复杂、参数多、泛化能力不足、识别率低等问题，且人脸表情在自然环境下易受到光照、姿态和局部遮挡等环境因素的影响，提出了一种多尺度残差注意力网络.以ResNet-18网络为基础，提出了一种新的多尺度残差注意力模块，通过提取不同尺度特征，增加特征多样性.引入CBAM注意力机制获取表情图像重点特征信息，有利于提升遮挡表情的识别.构建特征残差融合块，将浅层特征与深层特征进行残差融合，有利于获取丰富的人脸表情图像整体特征.实验结果表明，本文方法在CK+、JAFFE和Oulu-CASIA 3个公开表情数据集上分别达到了99.49%、98.53%和97.08%的准确率，与一些现有方法相比，本文方法表情识别率更高，证明了该方法可用于人脸表情识别.
- 单位
