采用支路辅助学习的人脸表情识别

摘要：

人脸表情识别属于一种细粒度识别,模型需要同时聚焦于浅层与深层特征.针对独立结构的卷积神经网络对细粒度特征的提取、融合能力不足的问题,提出一种基于支路辅助学习的网络结构.在基础网络的输入层引入一条支路辅助网络,该网络将逐层使用金字塔卷积块提取全局特征;通过特征映射模块不断将支路提取到的决策信息传导至基础网络,辅助基础网络提取细节特征;在模型输出层采用特征拼接的方式将支路网络与主路网络融合.将所提出的网络在公开人脸表情数据集CK+、JAFFE、FER2013和MMEW上进行识别实验,结果表明:支路辅助学习模块能够有效提升基础网络的特征提取能力和泛化能力,提出的方法识别率达到了98.89％、94.80％、71.88％和86.67％,比仅采用基础网络(例如:ResNet50)进行识别提高了3.49、2.2、5.51和1.48个百分点.

关键词：人脸表情识别、卷积神经网络、支路辅助学习、金字塔卷积块

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：四川省科技厅重点研发项目;西南科技大学龙山学术人才科研支持计划;西南科技大学龙山学术人才科研支持计划

在线出版日期：2022-12-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：151-160