基于改进VGG网络的面部表情识别方法

针对传统面部识别方法中网络模型重要通道特征关注度欠缺、参数过多、准确率低等问题，提出一种基于改进VGG19网络(Visual Geometry Group, VGG19)的表情识别方法。该方法在VGG19网络的每组卷积层之间都加入一个新模块，新模块由三方面组成：SE注意力机制模块、BN批量归一化层、PReLU激活函数，SE模块中的原激活函数ReLU替换为Mish激活函数，加速收敛，提升网络对面部细节关注度；对全连接层参数量进行修改，去除第一层全连接层和第二层全连接层，最大池化层替换为全局混合池化，达到卷积层加全局混合池化、一层全连接层的组合。原网络中全连接层节点数由4 096,4 096,1 000]改进为512,7],改善了VGG网络庞大参数量的特征，增加抗过拟合效果。在CK+和FER-2013表情数据集上准确率分别达到98.990%和73.112%,证明所提方法具有较好的泛化性和准确率。