《计算机工程与科学杂志》发表论文赏析
作者:严春满, 张翔, 王青朋
单位:(西北师范大学物理与电子工程学院,甘肃 兰州 730070)
摘要:针对现有深度卷积神经网络参数量庞大,导致人脸表情识别场景受限的问题,提出一种基于改进轻量级卷积神经网络的人脸表情识别模型。该模型以MobileNetV2轻量级特征提取网络为主要框架,通过压缩网络宽度因子与整体维度,减少网络参数量与计算量;引入SandGlass模块对网络倒残差模块进行改进,减少特征信息在网络传输中的丢失;同时嵌入高效通道注意力机制,提高网络对于特征信息的提取能力。在人脸表情数据集FER2013和CK+上进行实验,所提网络模型的人脸表情识别准确率达到了68.96%与95.96%,分别高于MobileNetV2 1.06%与6.14%,且参数量下降82.28%,实验结果验证了网络模型改进措施的有效性。
关键词:人脸表情识别,轻量级网络,MobileNetV2,倒残差模块,通道注意力,
基金资助:国家自然科学基金(61961037);甘肃省教育厅2021年度产业支撑计划(2021CYZC-30)
2023年6期其他文献查阅:
面向112 Gbps PAM4串行接收机的低误码协同自适应均衡器
多层CNN特征融合及多分类器混合预测的多模态虚假信息检测#br#
基于特征融合与Transformer模型的声音事件定位与检测算法研究