基于角度距离损失与小尺度核网络的表情识别

来源：电讯技术杂志2021年第4期北京时间：

作者：苏志明,王烈

单位：(广西大学 计算机与电子信息学院，南宁 530004)

摘要：针对人脸表情类内差异大、类间相似度高导致识别率低的问题，提出了一种基于角度距离损失与小尺度核网络的表情识别方法。网络基于3×3卷积核，在网络中加入融合空间金字塔注意力的点积残差块，引入Dropblock正则化，并提出了低层特征掩膜化。该模型低层特征具备高层特征的语义信息，而且参数量较少，结构简单有效。训练时，使用提出的基于角度距离损失函数监督神经网络学习，提高了网络的类间特征分离和类内特征聚类的特征判别能力。实验结果表明，该方法在CK+和FER2013数据集上识别准确率分别达到了97.88%和72.81%，具有较强竞争力。此外，消融实验表明所提出的改进方法可提高表情识别率，进一步验证了其有效性。

关键词：表情识别；卷积神经网络；损失函数；低层特征掩膜化；

基金资助：广西自然科学基金项目（2013GXNSFAA0019339）