|
|||||
|
|
| 多尺度坐标注意力金字塔卷积的面部表情识别 | |
| 引用本文： | 倪锦园,张建勋.多尺度坐标注意力金字塔卷积的面部表情识别[J].计算机工程与应用,2023(22):242-250. |
| 作者姓名： | 倪锦园 张建勋 |
| 作者单位： | 重庆理工大学计算机科学与工程学院 |
| 基金项目： | 重庆市教委科技研究重点项目（KJZD-K201801901）； |
| 摘 要： | 针对传统卷积神经网络对人脸面部表情特征提取能力不足、计算速度较慢等问题，提出了一种多尺度融合注意力的金字塔卷积模型。为了减少网络的参数量，提高网络的计算速度，增大模型的感受野，改进了金字塔卷积结构；为了从多尺度表示面部表情特征，提高模型对面部特征的表示能力，提出了SECA坐标注意力模块；为了节省网络的计算量，解决模型冗余的问题，促进通道间的信息融合，提出了深度可分离混洗方法。实验结果表明，该模型在公开数据集FER2013、CK+和JAFFE上的准确率分别为72.89%、98.55%和94.37%，参数量为1.958×107，与其他网络对比，该网络识别效果更好，准确率更高，同时保持较快的计算速度。 |
| 关 键 词： | 金字塔卷积 面部特征 注意力 深度可分离混洗 |
