典型文献
基于注意力机制的人脸表情识别网络
文献摘要：
人脸表情识别一直是计算机视觉领域的一个难题.近年来,随着深度学习的飞速发展,一些基于卷积神经网络的方法大大提高了人脸表情识别的准确率,但未能充分利用人脸图像中的信息,这是由于对于面部表情识别有意义的特征主要集中在一些关键位置,例如眼睛、鼻子和嘴巴等区域,因此在特征提取时增加这些关键位置的权重可以改善表情识别的效果.为此,提出一种基于注意力机制的人脸表情识别网络.首先在主干网络中加入了深浅层特征融合结构,以充分提取原始图像中不同尺度的浅层特征,并将其与深层特征级联,以减少前向传播时的信息丢失.然后在网络中嵌入一种基于两步法的通道注意力模块,对级联后的特征图中的通道信息进行编码,得到通道注意力图,再将其与级联特征图逐元素相乘,得到通道加权特征图,将多尺度特征提取与空间注意力相结合,提出多尺度空间注意力模块,对通道加权特征图的不同位置进行加权,得到空间加权特征图.最后将通道和空间均已加权的特征图输入到后续网络中继续进行特征提取和分类.实验结果表明,所提出的方法与现有的基于深度学习的方法相比,在扩展的Cohn-Kanada数据集上的表情识别准确率提高了0～3％,在OULU-CASIA NIR&VIS数据集上的表情识别准确率提高了1％～8％,证明了该方法的有效性.
文献关键词：
人脸表情识别;卷积神经网络;注意力机制;深浅层特征融合
中图分类号：
作者姓名：
张为;李璞
作者机构：
天津大学微电子学院,天津 300072
文献出处：
引用格式：
[1]张为;李璞-.基于注意力机制的人脸表情识别网络)[J].天津大学学报（自然科学与工程技术版）,2022(07):706-713
A类：
Kanada
B类：
注意力机制,人脸表情识别,识别网络,计算机视觉,人脸图像,面部表情识别,关键位置,眼睛,鼻子,嘴巴,主干网络,深浅层特征融合,分提,原始图像,不同尺度,深层特征,特征级联,信息丢失,两步法,通道注意力模块,特征图,注意力图,相乘,多尺度特征提取,空间注意力,多尺度空间,不同位置,中继,Cohn,识别准确率,OULU,CASIA,NIR,VIS
AB值：
0.262372
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
