典型文献
基于高效通道注意力机制和图像分割的轻量级表情识别算法
文献摘要：
表情识别在教育、医疗、公共安全等方面发挥着重要作用.随着卷积神经网络(CNN)的发展,表情识别的准确率逐渐得到提升,但还不够理想,且参数规模增大和识别效率低下,使模型训练的开销增加.针对上述问题,文中提出一种基于高效通道注意力(ECA)机制和图像分割的轻量级表情识别算法.该算法分为面部分割网络FSNet(Face Segmentation Network)和轻量级表情分类网络TCNet(Tiny Classification Network)两部分,FSNet的目的在于切割出人脸部分,摒弃大量冗余信息,有效减少数据处理量;ECA机制使得特征提取效果有所提升,TCNet的识别精度也得到提高.所提方法在Fer-2013和RAF-DB数据集上的识别率分别为72.25％和85.40％,与其他模型对比,该方法能够在保持较少参数量的同时提高识别准确率.
文献关键词：
表情识别;卷积神经网络;注意力机制;轻量级;图像分割;图像识别;数字图像处理
中图分类号：
作者姓名：
李顺平;彭成
作者机构：
新疆师范大学 计算机科学技术学院,新疆 乌鲁木齐 830054
文献出处：
引用格式：
[1]李顺平;彭成-.基于高效通道注意力机制和图像分割的轻量级表情识别算法)[J].现代电子技术,2022(20):149-156
A类：
FSNet,TCNet
B类：
高效通道注意力机制,和图像,图像分割,轻量级,表情识别,识别算法,公共安全,渐得,模型训练,开销,ECA,分割网络,Face,Segmentation,Network,表情分类,分类网络,Tiny,Classification,割出,人脸,脸部,摒弃,冗余信息,少数据,处理量,提取效果,识别精度,Fer,RAF,DB,识别率,模型对比,参数量,识别准确率,图像识别,数字图像处理
AB值：
0.373141
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。
