典型文献
改进的ResNeXt50神经网络面部表情识别方法
文献摘要：
为了减少现有基于通用架构的深度学习表情识别方法在卷积过程中丢失重要信息的现象,文中提出一种改进的ResNeXt50网络(命名为AC-SP-ResNeXt50),以ResNeXt50为基础架构,增加一个多尺度特征提取层,以不同尺寸的卷积核对原始图像进行特征提取,提取到更多纹理信息;同时以SoftPool作为网络的池化层,保留了更多特征信息;使用非对称卷积模块构成残差结构,强化了特征提取;文中通过消融实验和对比实验,验证文中方法在减少特征信息损失,提升面部表情识别率方面的有效性;通过识别随机选取的表情图像,评估了文中模型的泛化能力.实验结果表明:多尺度特征融合、SoftPool、非对称卷积对面部表情识别结果均有提升作用.文中方法在CK+数据集上的识别率可达到98.93％,在Jaffe数据集上可达到97.62％,与卷积神经网络与支持向量机相结合的方法(CNN+SVM)、注意力与空间注意力机制分离方法(CA-ST-DSC)、全局分支和局部分支结合的方法(GL-DCNN)、基于深度可分离卷积的识别方法(DSC-FER)等现有面部表情识别方法进行对比,文中方法在特征提取方面更具优势,识别结果更佳,对现实中的表情图像识别能力也较为出色,模型泛化能力较好.
文献关键词：
表情识别;多尺度特征融合;非对称卷积;残差结构;特征提取
中图分类号：
作者姓名：
张洁;穆静;钱智哲
作者机构：
西安工业大学 计算机科学与工程学院,西安 710021
文献出处：
引用格式：
[1]张洁;穆静;钱智哲-.改进的ResNeXt50神经网络面部表情识别方法)[J].西安工业大学学报,2022(06):610-619
A类：
学习表情识别,CNN+SVM
B类：
ResNeXt50,面部表情识别,通用架构,失重,重要信息,AC,SP,基础架构,一个多,多尺度特征提取,不同尺寸,卷积核,核对,原始图像,取到,纹理信息,SoftPool,池化,多特征信息,非对称卷积,卷积模块,残差结构,消融实验,中方,信息损失,识别率,表情图,泛化能力,多尺度特征融合,提升作用,CK+,Jaffe,空间注意力机制,分离方法,CA,ST,DSC,局分,GL,DCNN,深度可分离卷积,FER,图像识别,识别能力,出色,模型泛化
AB值：
0.327517
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。
