基于轻量卷积网络多层特征融合的人脸表情识别
基于深度学习的表情识别方法存在参数量大、实时性差等问题,针对此问题,提出一种基于轻量卷积网络的多层特征融合的人脸表情识别方法.首先使用改进的倒置残差网络为基本单元搭建轻量卷积网络模型,然后采用池化、1×1卷积、全局平均池化法筛选卷积网络中的浅层特征,并对这些筛选的浅层特征与深层特征进行融合用于表情识别.在两个常用的真实表情数据集RAF-DB和AffectNet上对所提方法进行测试,识别准确率分别达85.49%和57.70%,且模型参数量仅有0.2×106.
图像处理、表情识别、卷积神经网络、浅层特征、深层特征、多层特征融合
58
TP391.4(计算技术、计算机技术)
国家重点研发计划;国家自然科学基金
2021-05-20(万方平台首次上网日期,不代表论文的发表时间)
共8页
140-147