基于卷积注意力的轻量级人脸表情识别方法
为了解决深度学习模型在人脸表情识别研究中存在的数据集需求量大、硬件配置要求高等问题,提出了一种基于卷积注意力的轻量级人脸表情识别方法.首先,用分解卷积对模型参数进行降维处理;然后,在模型中嵌入卷积注意力机制模块,以提高模型的特征提取能力;其次,针对数据集中的类别不平衡问题,采取代价敏感的损失函数对模型进行优化;最后,进行表情识别任务前将模型在人脸识别数据集上进行预训练,以提高模型提取人脸特征的能力.实验结果表明,本方法能在有效降低模型复杂度的同时保持较高水平的检测效果,且具有较强的实用性.
图像处理、注意力机制、分解卷积、轻量级模型、表情识别、代价敏感
58
TP391.4(计算技术、计算机技术)
新疆维吾尔自治区项目2019XS08
2021-08-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
245-251