科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了克服单一神经网络模型提取表情特征困难,以及堆叠深层网络结构会造成训练过程复杂、参数冗余等问题,本文提出了一种引入注意力机制的轻量级CNN通道和卷积自编码器预训练通道的双通道模型.在轻量级CNN通道中以具有残差思想的深度可分离卷积结构进行深层次特征提取并且减少了模型参数量,还引入了通道域注意力机制使得该通道能够学习到更有用的特征;同时使用卷积自编码器对输入人脸表情图像进行无监督预处理,使得模型提取的特征更加多样化.实验结果表明,在FER2013和CK+表情数据集上分别取得了72.70%和97.50%的识别率.通过与相关方法对比,表明了本文模型在保证较少参数量的同时也具有较高的识别率.
- 单位
