基于改进YOLOv5的学生面部表情识别

摘要：

学生课堂面部表情在一定程度上反映了当时的学习状态,面部表情识别可以辅助教师判断学生学习掌握情况.针对学生课堂面部表情被遮挡、视频监控中面部表情目标偏小而导致的错检、漏检等问题,提出了一种改进的YOLOv5网络模型.改进的YOLOv5用Soft NMS替代基本NMS;将注意力机制CA模块引入到YOLOv5网络的Backbone;采用EIOU作为边界框回归损失函数.对比实验表明,优化后模型在Fer2013数据集上检测精度P达到了74.5％,比优化前提升了2.5％,mAP0.5达到了77.6％,比优化前提升了1.6％;在自构建数据集上检测精度P达到了88.3％,比优化前提升了5.2％,mAP0.5达到了87.4％,比优化前提升了1.7％.结果表明,改进的YOLOv5模型能有效提高学生课堂面部表情识别的检测精度.

关键词：表情识别、YOLOv5、Soft NMS、注意力机制、EIOU

所属期刊栏目：37

分类号：TP181;TP183(自动化基础理论)

资助基金：安徽省教育厅自然科学研究重点项目;安徽商贸职业技术学院自然科学重点项目;安徽省高校自然科学重点项目

在线出版日期：2023-03-23（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：28-35