10.16351/j.1672-6987.2023.05.013
基于ResNet18与胶囊网络结合的人脸表情识别
为了避免CNN池化层丢失特征并解决胶囊网络自身卷积层特征提取不足的问题,提出一种改进的ResNet18和胶囊网络结合的人脸表情识别方法.该方法仅保留ResNet18的卷积层,对其中的3个残差块进行调整,然后融入CBAM注意力机制,替换胶囊网络的单卷积层来提取特征,最后将提取的特征送入胶囊网络进行训练和分类.所提出的方法在CK+、RAF-db和FER+数据集上进行了实验,识别准确率CK+97.97%、RAF-db84.11%、FER+(单标签)86.24%、FER+(双标签)94.14%.实验结果表明,该方法在人脸表情识别方面具有可行性和有效性.
胶囊网络、ResNet18、人脸表情识别、特征提取、CBAM注意力机制
44
TP391.4(计算技术、计算机技术)
国家自然科学基金;青岛科技大学大学生创新训练计划项目
2023-10-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
109-114