基于改进型Softmax Loss损失函数的面部表情识别

摘要：

针对面部表情识别中Softmax Loss损失函数类内特征分散、类间特征未分离的问题,提出一种改进型Softmax Loss损失函数ACAM Loss.上述损失函数将优化集中在余弦角度上,在特征与目标权重的余弦夹角加上间隔m,在特征与非目标权重的余弦夹角减去间隔m,有效引导网络学习具备类内距离较小、类间距离较大的强区分度特征,同时加大网络训练力度优化输出,以提升分类效果.实验表明,在 CK+和 JAFFE 数据集上,ACAM Loss 函数训练模型表情识别准确率分别达到98.87%和 98.92%,相比Softmax Loss函数平均增幅分别为1.35%和1.3%,识别准确率处于主流领先水平,验证了改进损失函数的有效性.

关键词：面部表情识别、分类、损失函数、加性余弦角度间隔

所属期刊栏目：40

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2023-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：234-238,256