基于改进轻量级秩扩展网络的人脸表情识别方法

摘要：

人脸表情识别作为人机交互的一种重要方法,广泛应用于智能医疗、公安测谎系统、车载安全系统等领域.现有人脸表情识别方法多数存在参数量冗余、计算成本高、特征表达瓶颈等问题.提出一种基于改进轻量级秩扩展网络ReXNet的人脸表情识别方法.通过构建改进的ReXNet以提取人脸表情特征,在参数量较少的条件下解决特征表达瓶颈的问题,增强对表情局部特征的关注,获得高层次的表情特征,同时融合坐标注意力模块,将位置信息嵌入到通道注意力中,精准地定位和识别感兴趣的特征,建立位置信息与局部特征之间的长依赖关系,减少计算开销.在此基础上,将细化模块引入到改进的网络架构中,利用类别上下文信息细化分类结果,增强类间的分化效果,从而提高人脸表情识别的准确率.实验结果表明,该方法在RAF-DB和FERPlus数据集上的人脸表情识别准确率分别达到88.43％和88.8％,相比VGG16-PLD、SHCNN、ResNet+VGG等方法,具有较高的准确率和较优的鲁棒性.

关键词：人脸表情识别、秩扩展网络、表达瓶颈、坐标注意力机制、细化模块

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：广西人文社会科学发展研究中心科学研究工程;创新创业专项重大委托项目

在线出版日期：2022-09-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：189-196