科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了避免CNN池化层丢失特征并解决胶囊网络自身卷积层特征提取不足的问题，提出一种改进的ResNet18和胶囊网络结合的人脸表情识别方法。该方法仅保留ResNet18的卷积层，对其中的3个残差块进行调整，然后融入CBAM注意力机制，替换胶囊网络的单卷积层来提取特征，最后将提取的特征送入胶囊网络进行训练和分类。所提出的方法在CK+、RAF-db和FER+数据集上进行了实验，识别准确率CK+97.97%、RAF-db84.11%、FER+(单标签)86.24%、FER+(双标签)94.14%。实验结果表明，该方法在人脸表情识别方面具有可行性和有效性。
-
单位电子工程学院; 青岛科技大学
