-
题名改进的ResNeXt50神经网络面部表情识别方法
被引量：2
- 1
-
-
作者
张洁
穆静
钱智哲
-
机构
西安工业大学计算机科学与工程学院
-
出处
《西安工业大学学报》
CAS
2022年第6期610-619,共10页
-
基金
国家自然科学基金(62177037)
陕西省教育厅服务地方专项科研计划项目(22JC037)。
-
文摘
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。
-
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
-
Keywords
facial expression recognition
multi scale feature fusion
asymmetric convolution
residual structure
feature extraction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名非受控环境下基于混合注意力机制的面部表情识别
- 2
-
-
作者
张宁
穆静
钱智哲
张洁
郭岱朋
-
机构
西安工业大学计算机科学与工程学院
-
出处
《西安工业大学学报》
CAS
2023年第5期495-502,共8页
-
基金
国家自然科学基金项目(62177037)
陕西省教育厅服务地方专项科研计划项目(22JC037)。
-
文摘
针对非受控环境下的面部表情识别过程中特征提取不充分的问题,构建了一个加强特征提取的网络结构——3_M_S_MobileNetV2模型,该结构以MobileNetV2为基础网络,结合自主设计的混合注意力模块3_M_CBAM,并且将ReLU6激活函数更换为SiLU激活函数设计而成。在两个非受控环境下所采集的数据集RAF_DB和Fer2013上对设计的模型进行实验,识别准确率分别达到81.88%和65.65%,并且与现有的基于神经网络的识别方法相比,在RAF_DB数据集和Fer2013数据集上的面部表情识别准确率分别提高了1%~9%、0.5%~4%,证明了文中网络结构的有效性。
-
关键词
人脸表情识别
非受控环境
混合注意力机制
特征提取
-
Keywords
face expression recognition
uncontrolled environment
hybrid attention mechanism
feature extraction
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
