强化类间区分的深度残差表情识别网络

摘要：

深度人脸表情识别是神经网络应用于模式识别上一项极具挑战性的任务.相对于身份认证和特征点识别等人脸识别任务,表情识别任务中存在着大量的冗余信息,要得到好的效果,需要更精确的分类.多数研究关注点在数据的泛化性和网络结构上,而忽视了数据的类间关系.提出了一种基于类间分析的深度残差表情识别网络RMRnet.首先,将数据通过骨干网络Resnet18得到混淆矩阵,进一步得到召回率矩阵分析类间关系;然后,凭借类间关系设计网络结构分支,进一步区分强联系类,设计补充支路平衡弱联系类;最后,将分支添加到骨干网络的相应位置,得到RMRnet网络模型.在流行的大型数据库上,与基准方法和近年来的先进方法的对比实验结果表明,提出的方法相较于基准方法效果良好,在一众先进方法中也有很强的竞争力.

关键词：表情识别、神经网络、混淆矩阵、类间关联

所属期刊栏目：16

分类号：TP391.41(计算技术、计算机技术)

资助基金：江苏省研究生创新计划项目;江苏高校优势学科建设工程资助项目

在线出版日期：2022-08-22（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：1842-1849