基于改进YOLOv5s的人脸疼痛表情识别

针对目前疼痛表情识别模型结构复杂、计算量大、检测速度慢、不易移植等问题，提出一种针对移动端设备的轻量化人脸疼痛表情识别算法。首先引入GhostNet网络结构中的Ghost模块卷积，压缩模型的参数量，减小计算开销；之后用改进的FReLu激活函数替换SiLu激活函数，提升识别精度与检测效率；最后引入CA注意力机制，对人脸疼痛表情特征区域增加关注度，提升算法对疼痛表情模型的识别精度。实验结果表明，改进后的模型对疼痛表情识别精度达到96.9%；每张图片检测时间为53 ms，相比YOLOv5s模型用时缩短18%；模型大小相比YOLOv5s下降41.3%。适用于移动端设备的实时疼痛表情识别。