一种基于改进VGG网络的表情识别算法

摘要：

针对深度学习中的卷积神经网络存在对人脸表情特征提取不充分的问题,文中提出一种改进的VGG16网络模型,以更充分地提取人脸表情特征,从而更好地进行人脸表情识别.首先,在VGG16网络的每个卷积层前加入一个GCT通道注意力,用于增强人脸表情的特征提取;然后,将VGG16网络中相同通道数的卷积层分为一个Block,在每个Block后使用迭代式的特征融合,将浅层网络提取的特征与深层网络提取的特征进行融合,以丰富对人脸表情特征的提取.另外,去掉VGG16网络的3个全连接层,改为一个全连接层直接输出分类结果,不仅可以减少参数量还能够保证识别精度.实验结果表明,改进后的VGG网络在人脸表情数据集RAF-DB和SFEW上的识别率分别达到87.842％和56.881％,较原网络有显著提升.

关键词：表情识别、改进VGG网络、表情分类、特征提取、特征融合、注意力机制、数据处理

所属期刊栏目：45

分类号：TN911.73-34;TP391

资助基金：广西科技重大专项;广西人文社会科学发展研究中心科学研究工程·创新创业专项重大委托项目

在线出版日期：2022-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：63-68