基于人脸表情识别的在线课堂学生专注度分析

摘要：

针对人脸表情识别在特征提取时容易丢失大量有用的特征信息,无法提取更加全面的人脸表情特征的问题,提出了一种多尺度特征融合网络模型(DS-EfficientNet).该模型包括深层网络和浅层网络两部分,浅层网络用来提取面部表情的细节纹理信息,深层网络提取表情的全局信息.并在浅层网络中加入注意力机制,增强对浅层细节信息的提取能力.最终在通道上进行特征融合,融合之后网络可以提取更加丰富的人脸表情信息.为了减少模型参数,提高模型的泛化性能,将全连接层替换为全局平均池化层,加入批归一化.本文提出的方法在Fer2013和CK+上进行实验,识别准确率达到了73.47%和98.84%.实验证明该方法可以提取人脸更加丰富的表情信息,模型具有更强的泛化能力.

关键词：人脸表情识别、特征融合、注意力机制、深度学习

所属期刊栏目：32

分类号：TP181;TP391;G434

资助基金：陕西省科技计划重点项目2017ZDCXL-GY-05-03

在线出版日期：2023-02-15（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：55-62