典型文献
结合改进卷积神经网络与通道加权的轻量级表情识别
文献摘要：
目的 表情是人机交互过程中重要的信息传递方式,因此表情识别具有重要的研究意义.针对目前表情识别方法存在背景干扰大、网络模型参数复杂、泛化性差等问题,本文提出了一种结合改进卷积神经网络(convolu-tional neural network,CNN)与通道加权的轻量级表情识别方法.方法 首先,采用标准卷积和深度可分离卷积组合神经网络结构,再利用全局平均池化层作为输出层,简化网络的复杂程度,有效降低网络参数;其次,网络引入SE(squeeze-and-excitation)模块进行通道加权,通过在不同卷积层后设置不同的压缩率增强表情特征提取能力,提升网络模型精度;最后,用softmax分类函数实现各类表情的准确分类.结果 本文网络参数量为6108519,相较于识别性能较好的Xception神经网络参数减少了63％,并且通过对网络模型的实时性测试,平均识别速度可达128帧/s.在5个公开的表情数据集上验证网络模型对7种表情的识别效果,与7种卷积神经网络方法相比,在FER2013(Facial Expression Recognition 2013)、CK+(the extended Cohn-Kanade)和JAFFE(Japanses Female Facial Expres-sion)3个表情数据集的识别精确度提高了5.72％、0.51％和0.28％,在RAF-DB(Real-world Affective Faces Data-base)、AffectNet这两个in-the-wild表情数据库的识别精确度分别提高了2.04％ 和0.68％.结论 本文提出的轻量级表情识别方法在不同通道具有不同的加权能力,获取更多表情关键特征信息,提高了模型的泛化性.实验结果表明,本文方法在简化网络的复杂程度、减少计算量的同时能够准确识别人脸表情,能够有效提升网络的识别能力.
文献关键词：
表情识别;图像处理;卷积神经网络(CNN);深度可分离卷积;全局平均池化;SE模块
中图分类号：
作者姓名：
梁华刚;薄颖;雷毅雄;喻子鑫;刘丽华
作者机构：
长安大学电子与控制工程学院,西安 710064
文献出处：
引用格式：
[1]梁华刚;薄颖;雷毅雄;喻子鑫;刘丽华-.结合改进卷积神经网络与通道加权的轻量级表情识别)[J].中国图象图形学报,2022(12):3491-3502
A类：
Japanses,Expres
B类：
改进卷积神经网络,轻量级,表情识别,人机交互,信息传递,传递方式,别具,研究意义,背景干扰,泛化性,convolu,tional,neural,network,采用标准,标准卷积,深度可分离卷积,组合神经网络,神经网络结构,全局平均池化层,出层,复杂程度,网络参数,SE,squeeze,excitation,卷积层,压缩率,特征提取能力,模型精度,softmax,分类函数,参数量,识别性,Xception,表情数据集,神经网络方法,FER2013,Facial,Expression,Recognition,CK+,extended,Cohn,Kanade,JAFFE,Female,RAF,DB,Real,world,Affective,Faces,Data,base,AffectNet,wild,表情数据库,道具,权能,关键特征,特征信息,减少计算量,准确识别,别人,人脸表情,识别能力
AB值：
0.442345
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。
