结合超轻量级双注意力模块的ShuffleNetV2面部表情识别

来源：电子测量技术杂志2024年第10期北京时间：

作者：林恩惠，王凡，谭晓玲

单位：重庆三峡学院电子与信息工程学院 重庆 404100

摘要：针对面部表情识别领域中难以同时实现低参数量与高准确率的挑战，提出了一种结合注意力机制的ShuffleNetV2网络的面部表情识别方法。该方法基于ShuffleNetV2架构，通过微调模型将Relu激活函数替换为PRelu激活函数，进一步提升了模型的特征捕获与分类能力。此外，本文创新性地引入了一种超轻量级双注意力模块LDAM，该模块结合了DCAM注意力机制与空间注意力机制，并通过捷径连接技术集成到优化后的ShuffleNetV2模型中，以增强模型对细节特征的识别能力及分类效果。在FER2013和CK+两大公认的面部表情识别数据集上的实验结果显示，本方法分别达到了69.12%和94.77%的识别准确率，同时保持了低至1.25的模型参数量。这一成果不仅展示了在保持模型轻量化的同时提升识别性能的可能性，而且通过实验验证了所提出方法的高效性和实用性。

关键词：面部表情识别方法的改进;激活函数;空间注意力机制;轻量化模型;超轻量级双注意力模块

基金资助：重庆市重点实验室开放基金(ZD2020A0302)项目资助