基于改进 GhostNet 模型的表情识别研究

来源：计算机技术与发展杂志2022年第08期北京时间：

作者：张文海;陈春玲

摘要：针对目前卷积神经网络应用到人脸表情识别任务上时,计算复杂、输入尺度过大、类间差异小和类内差异大等问题,提出了一种基于改进 GhostNet 模型的解决方法。 首先,结合 GhostNet 模型思想,设计了改进 GhostNet 模型来提取表情特征,比原网络模型拥有更好的轻量级特性,并解决了 Ghost 瓶颈层中可能导致信息丢失的问题。 其次,结合 Island 损失函数和 Circle 损失函数设计思想,设计并采用了基于余弦相似性的损失函数来指导神经网络的学习。 该方法可以在特征空间中减小类内差异,增大类间差异,从而提升特征判别能力。 在 FERplus 数据集上进行实验验证,基于改进 GhostNet 模型方法在模型参数量和计算量更少的前提下,依旧有着更高的识别准确率和更快的识别速度,效果优于 Softmax 交叉熵损失函数和基于余弦距离的损失函数等,更适合移动端和嵌入式设备的使用场景。

关键词：表情识别;损失函数;深度学习;卷积神经网络;GhostNet