首页|深度宽残差网络注意力机制的人脸表情识别

深度宽残差网络注意力机制的人脸表情识别

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
针对自然状态下的人脸表情识别精度不高,易受噪声等因素的影响,提出了改进的深度宽残差网络并融合注意力机制的人脸表情识别方法.通过拓宽残差单元的通道数形成一种宽残差模块结构,有效减缓了网络层数过多造成梯度消失的问题;为提高网络对面部特征的表示能力,引入了压缩和自适应校正网络模块;为减缓模型过拟合的现象,改进了残差单元的顺序;通过改进的随机擦除方法对原始图像进行处理,进一步加强了模型的泛化能力.实验结果表明:模型在fer2013、ck+数据集和JAFFE数据集上的准确率分别为72.49％、99.29％和94.87％,与其他方法相比,所提模型在识别准确性上有较大提升,同时具有较好的鲁棒性.
Facial expression recognition based on the attention mechanism of deep and wide residual networks

倪锦园、张建勋、张馨月

展开 >

重庆理工大学 计算机科学与工程学院,重庆 400054

东北大学悉尼智能科技学院,河北 秦皇岛 066004

表情识别 宽残差网络 过拟合 随机擦除

重庆市教育委员会科学技术重点研究项目

KJZD-K201801901

2023

10.3969/j.issn.1674-8425(z).2023.01.020

重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
年,卷(期)：2023.37(1)
  • 2
  • 11