基于MobileNetV3多尺度特征融合的人脸表情识别
针对人脸表情识别中普通卷积神经网络特征提取能力不足且识别效率低下的情况,本文提出了一种基于MobileNetV3 多尺度特征融合的人脸表情识别.首先利用 MobileNetV3 进行特征提取以获得高层次情感信息;其次在骨干网络中借鉴DenseNet结构,增强特征复用并提升网络重要面部特征表达能力;然后利用特征金字塔模块充分获取人脸图像的深层和浅层多尺度融合特征,从而提高了 MobileNetV3 的特征提取能力和实时性;最后利用全连接层构建分类器对表情进行分类,从而完成了人脸表情识别.通过实验验证,结果表明,在 CK+和 FERPlus 数据集上识别准确率可以达到 88.3%和 98.8%,与现有方法相比分别提高了 2.3%和 1.5%,表明了所提方法识别效果好,泛化能力强.
人脸表情识别、情感分析、MobileNetV3模型、特征金字塔、DenseNet结构
46
TP391(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金
2023-07-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
38-44