典型文献
结合自注意力特征过滤分类器和双分支GAN的面部表情识别
文献摘要：
现有面部表情识别方法提取表情特征时通常容易与其它面部属性混合,不利于面部表情的识别.对此,文中提出结合自注意力特征过滤分类器和双分支生成对抗网络的面部表情识别方法.首先,使用双分支生成对抗网络学习辨别性的表情表示,提出自注意力特征过滤分类器作为表情的分类模块.使用级联的LayerNorm和ReLU将低激活单元归零并保留高激活单元,生成多级特征.使用自注意力融合输出多级特征的预测结果,在一定程度上消除噪声对识别结果的影响.然后,提出基于滑动模块的双重图像一致性损失监督模型,学习具有辨别性的表情表示,使用滑动窗口计算重构损失,关注细节信息.最后,在CK+、RAF-DB、TFEID、BAUM-2i数据集上的实验表明文中方法识别效果较优.
文献关键词：
面部表情识别;双分支生成对抗网络;自注意力特征过滤分类器;滑动模块
中图分类号：
作者姓名：
程艳;蔡壮;吴刚;罗品;邹海锋
作者机构：
江西师范大学 计算机信息工程学院 南昌330022;江西省科学技术厅 江西省智能教育重点实验室 南昌330022
文献出处：
引用格式：
[1]程艳;蔡壮;吴刚;罗品;邹海锋-.结合自注意力特征过滤分类器和双分支GAN的面部表情识别)[J].模式识别与人工智能,2022(03):243-253
A类：
自注意力特征过滤分类器,双分支生成对抗网络,LayerNorm,滑动模块,TFEID,BAUM
B类：
GAN,面部表情识别,常容,部属,网络学习,辨别,ReLU,归零,多级特征,注意力融合,上消,消除噪声,重图,一致性损失,滑动窗口,关注细节,细节信息,CK+,RAF,DB,2i,明文,中方,方法识别
AB值：
0.186827
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。
