首页|基于改进GhostNet模型的表情识别研究

基于改进GhostNet模型的表情识别研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对目前卷积神经网络应用到人脸表情识别任务上时,计算复杂、输入尺度过大、类间差异小和类内差异大等问题,提出了一种基于改进GhostNet模型的解决方法.首先,结合GhostNet模型思想,设计了改进GhostNet模型来提取表情特征,比原网络模型拥有更好的轻量级特性,并解决了Ghost瓶颈层中可能导致信息丢失的问题.其次,结合Island损失函数和Circle损失函数设计思想,设计并采用了基于余弦相似性的损失函数来指导神经网络的学习.该方法可以在特征空间中减小类内差异,增大类间差异,从而提升特征判别能力.在FERplus数据集上进行实验验证,基于改进GhostNet模型方法在模型参数量和计算量更少的前提下,依旧有着更高的识别准确率和更快的识别速度,效果优于Softmax交叉熵损失函数和基于余弦距离的损失函数等,更适合移动端和嵌入式设备的使用场景.
Research on Expression Recognition Based on Modified GhostNet Model

张文海、陈春玲

展开 >

南京邮电大学 计算机学院、软件学院、网络空间安全学院,江苏 南京 210023

表情识别 损失函数 深度学习 卷积神经网络 GhostNet

国家重点研发计划江苏省高校自然科学研究计划

2018YFC131490018KJB520038

2022

10.3969/j.issn.1673-629X.2022.08.010

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(8)
  • 5