典型文献
基于二阶有效通道注意力网络的无约束人脸表情识别
文献摘要：
现有基于卷积神经网络的无约束人脸表情识别方法侧重于网络结构的设计,对网络学习到的通道间深层特征相关性的研究较少,没有充分利用神经网络提取表达力较强的特征.为解决此问题,设计了一种基于二阶有效通道注意力网络(second-order efficient channel attention network,SECA-Net)的无约束人脸表情识别方法.该方法采用轻量级的网络提取表情图像的深层特征,使用二阶有效通道注意力模块统计深层特征的二阶信息并捕捉跨通道特征间的依赖关系来自适应地缩放通道特征,进而获得更具判别力的表情特征.SECA-Net利用Softmax损失和中心损失联合优化模型进行表情分类,该模块具有较少的参数量、较低的显存需求和计算量,并且没有使用额外的数据预训练模型.同时,所提出的模块还能提取到人脸表情微小变化的局部特征.在RAF-DB和FER-2013无约束人脸表情数据集上的实验结果表明,提出的方法是有效的.
文献关键词：
人脸表情识别;无约束环境;卷积神经网络(CNN);二阶有效通道注意力
中图分类号：
作者姓名：
周睿丽;钟福金
作者机构：
重庆邮电大学 计算机科学与技术学院,重庆400065;重庆邮电大学 计算智能重庆市重点实验室,重庆400065
文献出处：
引用格式：
[1]周睿丽;钟福金-.基于二阶有效通道注意力网络的无约束人脸表情识别)[J].重庆邮电大学学报（自然科学版）,2022(05):792-802
A类：
二阶有效通道注意力,无约束环境
B类：
注意力网络,人脸表情识别,网络学习,深层特征,表达力,second,order,efficient,channel,attention,network,SECA,Net,轻量级,表情图,通道注意力模块,跨通道,通道特征,依赖关系,缩放,Softmax,中心损失,联合优化,表情分类,参数量,显存,计算量,预训练模型,取到,局部特征,RAF,DB,FER,表情数据集
AB值：
0.274405
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。
