基于改进的残差网络面部表情识别
为了解决人脸表情识别中存在的对关键信息获取能力不足、识别率偏低、模型容易出现过拟合等问题,以ResNet18作为基本网络进行改进得到一个新的表情识别模型(IERNet).IERNet通过引入ECA注意力机制构建出两种不同的注意力残差单元,并组成注意力残差模块,从而增强对深层的表情关键特征的提取能力;又引入Iception模块来提取图像的多尺度浅层信息,通过同时引入这两个模块的方式增强了网络的鲁棒性、提升了模型的识别率;最后使用全局平均池化结合Dropout技术取代全连接层,可以有效防止模型的过拟合问题同时还能简化模型.通过实验数据可知,在公开表情数据集CK+和FER2013上取得了不错的成绩,准确率分别达到了 97.778%和73.558%.
表情识别、残差网络、注意力机制、深度学习
42
TN2(光电子技术、激光技术)
四川省科技计划项目;四川省科技计划项目
2023-06-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
123-130