计算机技术与发展2023，Vol.33Issue(3) ：27-33.DOI:10.3969/j.issn.1673-629X.2023.03.005

多分支精简双线性池化的人脸表情识别

Multi-branch Compact Bilinear Pooling for Facial Expression Recognition

王彬 徐杨 石进 张显国
计算机技术与发展2023，Vol.33Issue(3) ：27-33.DOI:10.3969/j.issn.1673-629X.2023.03.005
✕
  • 维普
  • 万方数据

多分支精简双线性池化的人脸表情识别

Multi-branch Compact Bilinear Pooling for Facial Expression Recognition

王彬 1徐杨 2石进 1张显国1
扫码查看

作者信息

  • 1. 贵州大学大数据与信息工程学院,贵州贵阳550025
  • 2. 贵州大学大数据与信息工程学院,贵州贵阳550025;贵阳铝镁设计研究院有限公司,贵州贵阳550009
  • 折叠

摘要

针对人脸表情识别研究中特征提取不充分、难以辨别人脸表情细微的类间差异等问题,提出了一种多分支精简双线池性化的人脸表情识别方法.该方法以ResNet-18为基础,在避免大幅度增加计算复杂度的前提下提升ResNet-18的特征提取能力,提出了一个新的多样化分支块(diverse branch block)对ResNet-18进行改进;为使改进后的ResNet-18更方便地聚焦人脸图像中产生表情区域的特征,提出了残差空间注意力;为了减少人脸表情细微的类间差异带来的不利影响,增强人脸表情类间的区别性,设计了多分支精简双线性池化结构.最后用所提的方法分别在公开的人脸表情数据集CK+、RAF-DB进行实验,识别率分别达到了 98.46％、82.99％.实验结果表明,该方法的识别率优于DLP-CNN、MA、DeepExp3D等诸多的表情识别方法,具有一定的竞争性.

关键词

人脸表情识别/多样化分支块/残差空间注意力/多分支精简双线性池化/ResNet-18

引用本文复制引用

基金项目

贵州省科技计划(黔科合支撑[2021]一般176)

出版年

2023
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
参考文献量6
段落导航相关论文