典型文献
基于改进ResNet和损失函数的表情识别
文献摘要：
在人脸表情识别的研究中,运用深度学习方法训练网络,需要大量标注准确的数据,但由于人脸表情的复杂性,数据集存在类别数量不均衡问题,并且由于人脸部的特征比较复杂,难以精确提取对表情识别有用的特征,对人脸表情识别的研究是一个很大的挑战.针对这些问题,该文提出一种基于改进ResNet网络和损失函数的人脸表情识别方法.首先,对ResNet网络进行改进,在网络中嵌入CBAM注意力机制模块,提升模型的关键特征提取能力;然后,针对数据集类别数量不均衡影响模型识别性能的问题,采用数据集增强和加权损失函数的方法对模型进行优化.通过实验验证,该文构建的网络模型在CK+和Fer2013表情数据集上识别效果得到提升,优于部分同类型的方法.
文献关键词：
表情识别;Res Net网络;注意力机制;损失函数
中图分类号：
作者姓名：
谢银成;黎曦;李天;李聪聪
作者机构：
武汉工程大学 电气信息学院,武汉 430205
文献出处：
引用格式：
[1]谢银成;黎曦;李天;李聪聪-.基于改进ResNet和损失函数的表情识别)[J].自动化与仪表,2022(04):64-69
A类：
B类：
ResNet,人脸表情识别,深度学习方法,方法训练,别数,均衡问题,脸部,比较复杂,CBAM,注意力机制模块,关键特征,特征提取能力,影响模型,模型识别,识别性,数据集增强,加权损失函数,函数的方法,CK+,Fer2013,表情数据集
AB值：
0.312385
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。
