基于优化ResNet的人脸表情识别
徐子凡
程科
袁雪梅
姜元昊
江苏科技大学计算机学院 镇江 212100
摘要：针对传统人脸表情识别算法准确度不高,网络参数较多的问题,提出一种基于优化残差网络的人脸表情识别算法.算法首先用两个标准卷积层提取人脸表情的浅层特征.然后,利用深度可分离卷积混合通道注意力机制改进残差网络来提取人脸表情的深层特征.最后利用softmax函数对提取的特征分类.在人脸表情识别的公开数据集FER2013和CK+上实验,分别得到分类精度为70.57%和99.28%.实验结果表明该算法表现良好,网络具有较强泛化能力,在复杂情况下对人脸表情能够起到较好的识别效果.
关键词：人脸表情识别轻量型网络深度可分离卷积注意力机制残差网络
分类号：TN911.73(通信)
资助基金：国家自然科学基金(61976241)镇江市国际合作计划项目(GJ2021008)江苏省研究生创新训练项目(KYCX21_3487)
论文发表日期：2024-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 3491-3495,3535 )
英文信息