注意力金字塔卷积残差网络的表情识别

来源：计算机工程与应用杂志2022年第22期北京时间：

作者：陈加敏, 徐杨

单位：1.贵州大学 大数据与信息工程学院，贵阳 550025；2.贵阳铝镁设计研究院有限公司，贵阳 550009；

摘要：人脸表情是人类内心情绪最真实最直观的表达方式之一，不同的表情之间具有细微的类间差异信息。因此，提取表征能力较强的特征成为表情识别的关键问题。为提取较为高级的语义特征，在残差网络（ResNet）的基础上提出一种注意力金字塔卷积残差网络模型（APRNET50）。该模型融合金字塔卷积模块、通道注意力和空间注意力。首先用金字塔卷积提取图像的细节特征信息，然后对所提特征在通道和空间维度上分配权重，按权重大小定位显著区域，最后通过全连接层构建分类器对表情进行分类。以端到端的方式进行训练，使得所提网络模型更适合于精细的面部表情分类。实验结果表明，在FER2013和CK+数据集上识别准确率可以达到73.001%和94.949%，与现有的方法相比识别准确率分别提高了2.091个百分点和0.279个百分点，达到了具有相对竞争力的效果。

关键词：残差网络,金字塔卷积,注意力机制,表情识别,特征提取