NCA-MobileNet：一种轻量化人脸表情识别方法

针对目前人脸面部表情识别方法存在参数量多、计算资源消耗大和识别精度低的问题,提出了一种基于条件协调注意力机制的轻量化人脸面部表情识别方法。首先,对MobileNet V3网络层数进行缩减,同时将倒残差结构中间通道数和输出通道数增大至原来的1.5～3.2倍,使用Mish代替Hardswish激活函数,实现特征提取后的非线性化。其次,引入改进的协调注意力机制,在张量信息嵌入中沿水平和竖直方向依次通过最大池化和平均池化进行编码,并通过张量信息集成产生具有全局感受野和精确位置信息特征,提取面部表情在空间和通道位置上的详细信息。最后,在公开数据集FERPlus和RAF-DB上进行实验,结果表明所提方法参数量降低15.91%,准确率分别为88.84%和85.90%,比改进前模型准确率分别提升0.83%和1.39%。该方法具有良好的识别性能,验证了所提方法的有效性。