基于改进卷积神经网络的多视角人脸表情识别

摘要：

人脸表情识别是计算机视觉领域的研究热点之一.针对自然状态下的人脸存在多视角变化、脸部信息缺失等问题,提出了一种基于MVFE-LightNet(Multi-View Facial Expression Lightweight Network)的多视角人脸表情识别方法.首先,在残差网络的基础上设计卷积网络提取不同视角下的表情特征,引入深度可分离卷积来减少网络参数.其次,嵌入压缩和奖惩网络模块学习特征权重,利用特征重新标定方式提高网络表示能力,并通过加入空间金字塔池化增强网络的鲁棒性.最后,为了进一步优化识别结果,采用AdamW(Adam with Weight decay)优化方法使网络模型加速收敛.在RaFD、BU-3DFE和Fer2013表情库上的实验表明,该方法具有较高的识别率,且减少网络计算时间.

关键词：多视角人脸表情识别、MVFE-LightNet、残差网络、深度可分离卷积、压缩和奖惩网络模块、空间金字塔池化

所属期刊栏目：54

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金青年科学基金项目61302151,61401268;上海市自然科学基金15ZR1418400

在线出版日期：2019-01-16（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：12-19