10.20009/j.cnki.21-1106/TP.2022-0403
多尺度残差注意力网络及其表情识别算法
面部表情识别已经广泛运用于人机交互、教育、自动驾驶等各种领域,针对现有表情识别方法网络结构复杂、参数多、泛化能力不足、识别率低等问题,且人脸表情在自然环境下易受到光照、姿态和局部遮挡等环境因素的影响,提出了一种多尺度残差注意力网络.以ResNet-18网络为基础,提出了一种新的多尺度残差注意力模块,通过提取不同尺度特征,增加特征多样性.引入CBAM注意力机制获取表情图像重点特征信息,有利于提升遮挡表情的识别.构建特征残差融合块,将浅层特征与深层特征进行残差融合,有利于获取丰富的人脸表情图像整体特征.实验结果表明,本文方法在CK+、JAFFE和Oulu-CASIA 3个公开表情数据集上分别达到了 99.49%、98.53%和97.08%的准确率,与一些现有方法相比,本文方法表情识别率更高,证明了该方法可用于人脸表情识别.
人脸表情识别、多尺度特征、CBAM注意力机制、遮挡人脸识别
45
TP391(计算技术、计算机技术)
国家自然科学基金;江西省教育厅自然科学研究项目;江西省教育厅自然科学研究项目;江西省教育厅自然科学研究项目
2024-02-03(万方平台首次上网日期,不代表论文的发表时间)
共7页
30-36