深度二值卷积网络的人脸表情识别方法

摘要：

为解决人脸表情识别时存在的参数量大、速度低和表情区域特征表示力不足的问题,提出一种基于深度二值卷积网络的人脸表情识别方法.首先设计一个二值卷积与传统卷积并行运算的轻量化网络模型BRNet,以降低网络模型参数的复杂度,从而提升识别的速度;然后构建一个动态半径策略提取表情二值特征,并形成表情区域注意权重,实现表情局部特征与人脸全局特征的有效融合;最后设计交叉熵和L2损失,快速实现了表情图像的准确分类.实验结果表明,所提方法在常用的CK+和Oulu-CASIA表情库上的平均识别率分别达到99.25％和93.85％,皆优于同类轻量级卷积网络;网络参数量和计算量为5.0×105 B和2.1×106 B,而EfficientFace模型的计算量约为该方法的77倍,证明了所提方法在表情识别中的有效性和轻量性.

关键词：二值卷积网络、局部二值模式、注意力机制、人脸表情识别

所属期刊栏目：34

分类号：TP391.41(计算技术、计算机技术)

资助基金：重庆市教委科学技术研究项目;重庆市自然科学基金面上项目;水电工程智能视觉监测湖北省重点实验室三峡大学开放基金

在线出版日期：2022-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：425-436