典型文献
基于全局注意力及金字塔卷积网络的表情识别
文献摘要：
近年来基于深度学习的人脸表情识别技术已取得很大进展,但对于表情特征的多尺度提取,以及在不受约束的现实场景中进行面部表情识别仍然是具有挑战性的工作.为解决此问题,提出一种金字塔卷积神经网络与注意力机制结合的表情识别方法.对于初始的一张人脸表情图像,将其按照区域采样裁剪成多张子图像,将原图像和子图像输入到金字塔卷积神经网络进行多尺度特征提取,将提取到的特征图输入到全局注意力模块,给每一张图像分配一个权重,从而得到有重要特征信息的图像,将子图像和原始图像的特征进行加权求和,得到新的含有注意力信息的全局特征,最终进行表情识别分类.在CK+、RAF-DB、AffectNet三个公开表情数据集上分别取得了98.46％、87.34％、60.45％的准确率,提高了表情的识别精度.
文献关键词：
表情识别;金字塔卷积;注意力机制;残差网络
中图分类号：
作者姓名：
毛君宇;何廷年;郭艺;李爱斌
作者机构：
西北师范大学 计算机科学与工程学院,兰州 730070
文献出处：
引用格式：
[1]毛君宇;何廷年;郭艺;李爱斌-.基于全局注意力及金字塔卷积网络的表情识别)[J].计算机工程与应用,2022(23):214-220
A类：
B类：
全局注意力,卷积网络,人脸表情识别技术,多尺度提取,受约束,现实场景,面部表情识别,金字塔卷积神经网络,注意力机制,表情图,裁剪,剪成,多张,子图像,原图,多尺度特征提取,取到,特征图,注意力模块,一张图,特征信息,原始图像,加权求和,全局特征,识别分类,CK+,RAF,DB,AffectNet,表情数据集,识别精度,残差网络
AB值：
0.354108
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。
