基于残差注意力机制和金字塔卷积的表情识别

随着深度学习的应用，表情识别技术得到快速发展，但如何提取多尺度特征及高效利用关键特征仍是表情识别网络面临的挑战.针对上述问题，文中使用金字塔卷积有效提取多尺度特征，使用空间通道注意力机制加强关键特征的表达，构建基于残差注意力机制和金字塔卷积的表情识别网络，提高识别的准确率.网络使用MTCNN(Multi-task Convolutional Neural Network)进行人脸检测、人脸裁剪及人脸对齐，再将预处理后的图像送入特征提取网络.同时，为了缩小同类表情的差异，扩大不同类表情的距离，结合Softmax Loss和Center Loss,进行网络训练.实验表明，文中网络在Fer2013、CK+数据集上的准确率较高，网络参数量较小，适合表情识别在现实场景中的应用.