结合改进RepVGG-A0网络和重新标签的人脸表情识别研究

摘要：

目前大规模人脸表情识别的主要问题在于不确定性,这些不确定性来源于模棱两可的面部表情、低质量的脸部图像和标注者的主观性.为此,文中提出一种基于RepVGG-A0改进后的网络模型.该模型引入有效通道注意力机制,即在卷积层和ReLU激活函数之间插入ECA通道注意力模块,在特征提取后引入加权模块来预计样本的权重,对于不确定的样本给予的权重较小,并采用重新标签的方法对低权重的人脸表情图片重新给予伪标签,目的是使修改过的样本在下一次训练中获得高权重,从而提高人脸表情识别率.最后,在RAF-DB和FER-2013数据集上进行实验验证.结果表明,文中改进模型的人脸表情识别率分别达到88.90％和75.61％,说明该方法对人脸表情识别具有有效性.

关键词：人脸表情识别、RepVGG-A0、重新标签、网络模型、特征提取、数据预处理、ReLU

所属期刊栏目：45

分类号：TN911.73-34;TP391

资助基金：广西科技重大专项;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：2022-10-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：69-74