科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于人脸表情所特有的复杂性与微妙性，因此对其进行高精度识别是一个困难问题。针对轻量级网络在自然环境下对面部表情的特征提取不够充分、泛化能力不足等问题，提出了一种基于空间分组增强注意力的轻量级人脸表情识别方法。首先在浅层网络设计了并行的深度卷积残差结构，以增强模型对面部表情局部细节的表征能力，并与全局整体特征相融合。其次在深层网络建立了空间分组增强注意力机制，以提高表情特征分布的稳定性，并强化模型对表情细微变化的判别能力。最后，为了避免模型过拟合，在不大量增加计算复杂度的前提下，对主干网络输出结构进行改进。该方法在公开的七分类数据集RAF-DB、AffectNet-7以及八分类数据集AffectNet-8表情识别准确率分别达到了88.33%、63.09%和60.12%，实验结果表明，所提方法在降低网络参数的同时，提高了表情识别准确率，证明该方法的有效性，具有一定应用前景。
- 单位
