空间分组增强注意力的轻量级人脸表情识别

来源：计算机工程与应用杂志2023年第22期北京时间：

作者：刘劲, 罗晓曙, 徐照兴

单位：1.广西师范大学 电子工程学院，广西 桂林 541004；2.江西服装学院 大数据学院，南昌 330201

摘要：由于人脸表情特有的复杂性与微妙性，对表情进行高精度识别是一个困难问题。针对轻量级网络在自然环境下对面部表情的特征提取不够充分、泛化能力不足等问题，提出了一种基于空间分组增强注意力的轻量级人脸表情识别方法。在浅层网络设计了并行的深度卷积残差结构，以增强模型对面部表情局部细节的表征能力，并与全局整体特征相融合。在深层网络建立了空间分组增强注意力机制，以提高表情特征分布的稳定性，并强化模型对表情细微变化的判别能力。为了避免模型过拟合，在不大量增加计算复杂度的前提下，对主干网络输出结构进行改进。该方法在公开的七分类数据集RAF-DB、AffectNet-7以及八分类数据集AffectNet-8上的表情识别准确率分别达到了88.33%、63.09%和60.12%，实验结果表明，所提方法在降低网络参数的同时，提高了表情识别准确率，证明了该方法的有效性，具有一定的应用前景。

关键词：人脸表情识别,深度可分离卷积,区域特征融合,空间分组增强注意力,轻量化