深度多尺度融合注意力残差人脸表情识别网络
针对人脸表情呈现方式多样化以及人脸表情识别易受光照、姿势、遮挡等非线性因素影响的问题,提出了一种深度多尺度融合注意力残差网络(deep multi-scale fusion attention residual network,DMFA-ResNet).该模型基于ResNet-50残差网络,设计了新的注意力残差模块,由7个具有三条支路的注意残差学习单元构成,能够对输入图像进行并行多卷积操作,以获得多尺度特征,同时引入注意力机制,突出重点局部区域,有利于遮挡图像的特征学习.通过在注意力残差模块之间增加过渡层以去除冗余信息,简化网络复杂度,在保证感受野的情况下减少计算量,实现网络抗过拟合效果.在3组数据集上的实验结果表明,本文提出的算法均优于对比的其他先进方法.
人脸表情识别、残差网络、多尺度特征、注意力机制、遮挡人脸、卷积神经网络、特征融合、深度学习
17
TP391(计算技术、计算机技术)
国家重点研发计划;国家自然科学基金;陕西省重点研发计划项目;长安大学中央高校基本科研业务费专项资金项目
2022-04-28(万方平台首次上网日期,不代表论文的发表时间)
共9页
393-401