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 |
|
|