基于遮挡感知卷积神经网络的面部表情识别模型

摘要：

针对面部遮挡情况下表情特征难以提取的问题,提出一种双通道遮挡感知神经网络模型.设计区域遮挡判定单元并集成到VGG16网络中形成遮挡感知神经网络,提取面部图像中未遮挡区域及遮挡较少区域的表情特征.运用迁移学习算法对卷积层参数进行预训练,减轻训练数据样本不足带来的过拟合问题.通过优化残差网络提取全脸表情相关特征,在此基础上加权融合遮挡感知神经网络和残差网络的输出以识别表情.在CK+、RAF-DB、SFEW这3个公开数据库上进行对比实验,结果表明,该模型平均准确率分别达到97.33％、86％、61.06％,与OPCNN、ResNet、VGG16等传统卷积神经网络模型相比,有效提高了面部遮挡情况下的表情识别精度.

关键词：卷积神经网络;面部表情识别;迁移学习;特征融合;残差网络

所属期刊栏目：47

分类号：TP311.1(计算技术、计算机技术)

资助基金：国家自然科学基金;江苏省"六大人才高峰"创新团队项目;赛尔网络下一代互联网技术创新项目;江苏省农业气象重点实验室开放基金

在线出版日期：2021-10-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：242-251