基于改进YOLO12n的人脸表情识别模型

来源：电子与信息学报杂志2026年第5期北京时间：

作者：韩闯, 黄静垚, 兰朝凤

单位：哈尔滨理工大学测控技术与通信工程学院 哈尔滨 150080

摘要：针对低分辨率、光照复杂、部分遮挡等场景下人脸表情识别精度下降的问题，该文提出一种基于YOLO12n改进的人脸表情识别模型(YOLO-FER)。该模型通过设计NewStarBlock模块优化原有C3k2瓶颈结构以缓解高维特征缺失，并引入多维协作注意力(MCA)模块，在通道、高度和宽度3个维度协同建模以增强细粒度特征提取能力，同时增加低分辨率特征增强模块(LRFE)提升弱光及模糊场景下的鲁棒性，并采用自适应阈值焦点损失函数(ATFL)动态调整难易样本权重以缓解类别不平衡问题。在RAF-DB和Low Light Dataset数据集上实验表明，YOLO-FER在mAP@0.5指标上较基线YOLO12n分别提升了3.8%和5.0%，在保持实时检测速度的同时提升了模型的泛化能力与鲁棒性，能够更准确地捕捉表情关键区域，适用于表情识别实际场景。

关键词：表情识别, YOLO, 多维协作注意力, 低分辨率特征增强, 自适应阈值焦点损失

基金资助：黑龙江省省属本科高校优秀青年教师基础研究支持计划(YQJH2024077)