典型文献
嵌入注意力机制的多尺度深度可分离表情识别
文献摘要：
针对面部表情识别中,传统机器学习方法特征提取较为复杂,浅层卷积神经网络识别率不高,以及深度卷积神经网络易带来梯度爆炸或弥散的问题,构建了残差网络嵌入注意力机制的多尺度深度可分离表情识别网络.通过多层多尺度深度可分离残差单元的叠加进行不同尺度的表情特征提取,使用CBAM注意力机制进行表情特征的筛选,提升有效表情特征权重的表达,削弱训练数据的噪声影响.所提网络模型在Fer-2103和CK+表情数据集分别取得了73.89％和97.47％的准确度,表明所提网络具有较强的泛化性.
文献关键词：
表情识别;注意力机制;多尺度特征提取;深度可分离卷积;残差网络
中图分类号：
作者姓名：
宋玉琴;高师杰;曾贺东;熊高强
作者机构：
西安工程大学 电子信息学院,西安 710600
文献出处：
引用格式：
[1]宋玉琴;高师杰;曾贺东;熊高强-.嵌入注意力机制的多尺度深度可分离表情识别)[J].北京航空航天大学学报,2022(12):2381-2387
A类：
B类：
注意力机制,面部表情识别,机器学习方法,法特,识别率,深度卷积神经网络,弥散,残差网络,网络嵌入,识别网络,残差单元,加进,不同尺度,CBAM,特征权重,训练数据,噪声影响,Fer,CK+,表情数据集,泛化性,多尺度特征提取,深度可分离卷积
AB值：
0.330047
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。
