基于人脸关键特征提取的表情识别

摘要：

自然场景下人脸表情由于受遮挡、光照等因素影响,以及表情局部变化细微,导致现有人脸表情识别方法准确率较低.提出一种人脸表情识别的新方法,以ResNet18为主干网络,利用残差连接模块加深网络结构,以提取更多深层次的表情特征.通过引入裁剪掩码模块,在训练集图像上的某个区域进行掩码,向训练模型中增加遮挡等非线性因素,提升模型在遮挡情形下的鲁棒性.分别从特征图的通道和空间两个维度提取表情的关键特征,并分配更多的权重给表情变化明显的特征图,同时抑制非表情特征.在特征图输出前加入Dropout正则化策略,通过在训练中随机失活部分神经元,达到集成多个网络模型的训练效果,提升模型泛化能力.实验结果表明,与L2-SVMs、IcRL、DLP-CNN等方法相比,该方法有效提高了表情识别准确率,在2个公开表情数据集Fer2013和RAF-DB上的识别准确率分别为74.366％和86.115％.

关键词：注意力机制、残差网络、人脸表情识别、裁剪掩码、Dropout正则化

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：重庆市技术创新与应用发展专项面上项目;重庆市教委科学技术研究计划项目;重庆市教委科学技术研究计划项目

在线出版日期：2023-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：254-262