典型文献
注意力金字塔卷积残差网络的表情识别
文献摘要：
人脸表情是人类内心情绪最真实最直观的表达方式之一,不同的表情之间具有细微的类间差异信息.因此,提取表征能力较强的特征成为表情识别的关键问题.为提取较为高级的语义特征,在残差网络(ResNet)的基础上提出一种注意力金字塔卷积残差网络模型(APRNET50).该模型融合金字塔卷积模块、通道注意力和空间注意力.首先用金字塔卷积提取图像的细节特征信息,然后对所提特征在通道和空间维度上分配权重,按权重大小定位显著区域,最后通过全连接层构建分类器对表情进行分类.以端到端的方式进行训练,使得所提网络模型更适合于精细的面部表情分类.实验结果表明,在FER2013和CK+数据集上识别准确率可以达到73.001％和94.949％,与现有的方法相比识别准确率分别提高了2.091个百分点和0.279个百分点,达到了具有相对竞争力的效果.
文献关键词：
残差网络;金字塔卷积;注意力机制;表情识别;特征提取
中图分类号：
作者姓名：
陈加敏;徐杨
作者机构：
贵州大学 大数据与信息工程学院,贵阳 550025;贵阳铝镁设计研究院有限公司,贵阳 550009
文献出处：
引用格式：
[1]陈加敏;徐杨-.注意力金字塔卷积残差网络的表情识别)[J].计算机工程与应用,2022(22):123-131
A类：
APRNET50
B类：
注意力金字塔,金字塔卷积,表情识别,人脸表情,心情,表达方式,细微,类间差异,提取表征,表征能力,语义特征,ResNet,残差网络模型,模型融合,卷积模块,通道注意力,空间注意力,先用,细节特征,特征信息,空间维度,分配权重,全连接层,分类器,端到端,面部表情,表情分类,FER2013,CK+,识别准确率,百分点,注意力机制
AB值：
0.373496
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。
