深度残差卷积下多视角特征融合的人脸表情识别

摘要：

针对现实生活中多视角下人脸表情识别不够精准、计算量大等问题,提出了一种深度残差卷积下多视角特征融合的人脸表情识别模型MVResNet-FER.首先改进ResNet中的残差块,并使用深度可分离网络取代常规卷积网络.其次添加了CBAM模块,以增强多视角下有效特征的提取和浅层特征信息的补充.然后使用RReLu激活函数取代原始的ReLu,避免梯度较大时部分节点出现失活.最后使用全局平均池化层代替全连接层实现降维,并将生成的特征向量送入Softmax进行分类.实验表明,本文方法在CK+和RaFD数据集上产生了较优异的结果,能有效提高人脸表情识别的准确率.

关键词：多视角、特征融合、深度可分离卷积、残差模型、表情识别

所属期刊栏目：28

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;黑龙江自然科学基金

在线出版日期：2023-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：117-127