一种基于注意力模型的面部表情识别算法

摘要：

深度卷积网络提取的表情特征易受背景、个体身份等因素影响,其与无用特征混合在一起对表情识别造成干扰.针对此问题,提出一种基于注意力模型的面部表情识别算法,该方法基于一个轻量级的卷积神经网络以避免过拟合,通过通道注意力模块和空间注意力模块对特征图元素进行加强或抑制,应用残差学习单元使注意力模型学习到更丰富的特征并获得更好的梯度流.此外,还提出一种面部表情关键区域截取方案,以解决非表情区域的噪声干扰问题.在两个常用的表情数据集CK+和MMI上对所提方法进行了验证,实验结果证明了该方法的优越性.

关键词：图像处理、表情识别、面部分析、卷积神经网络、注意力模型

所属期刊栏目：57

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;国家科技重大专项

在线出版日期：2020-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：197-204