无注意力胶囊网络的面部表情识别方法

摘要：

表情识别技术可以从人类的表情中分析出识别对象的情感活动,针对面部表情图像复杂的空间关系和特征信息时,不能建立有效特征提取和映射模型的问题,稀疏多层感知机(spare multilayer perceptron,sMLP)使用很少的参数量让每个空间位置进行交流,而胶囊网络也可以表现特征的空间姿态信息,因此提出了一种新的面部表情识别模型sMLP-CapsNet,以提升表情识别空间关系映射的能力.采用CK+数据集和RAF-DB数据集,通过改进的胶囊神经网络从轮廓到细节提取面部表情图片特征,进而实现面部表情分类.相比于其他面部表情识别算法,模型精度提升效果明显,在CK+数据集和RAF-DB数据集上分别可达到99.48%以及85.69%的识别率,展现了该算法的先进性.

关键词：深度学习、胶囊神经网络、面部表情识别、稀疏多层感知机(sMLP)、sMLP-CapsNet

所属期刊栏目：59

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金;陕西省教育厅项目;陕西省重点研发计划;陕西省技术创新引导项目;咸阳市科技计划项目

在线出版日期：2023-11-27（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：251-258