融合全局增强-局部注意特征的表情识别网络

来源：计算机科学与探索杂志2024年第9期北京时间：

作者：刘娟, 王颖, 胡敏, 黄忠

单位：1. 安庆师范大学 电子工程与智能制造学院，安徽 安庆 246133 2. 合肥工业大学 计算机与信息学院 情感计算与先进智能机器安徽省重点实验室，合肥 230009

摘要：为抑制自然场景下遮挡和姿态变化等因素对人脸表情识别的影响，提出一种融合全局增强-局部注意特征（GE-LA）的表情识别网络。为获取增强的全局上下文信息，构建通道-空间全局特征增强结构，该结构采用通道流模块（CFM）和空间流模块（SFM），分别获取对称多尺度通道语义以及像素级空间语义，并结合两类语义生成全局增强特征；为抽取局部细节特征，将高效通道注意力（ECA）机制改进为通道-空间注意力（CSA）机制，并以此构建局部注意模块（LAM）获取通道和空间高级语义。为提升网络对遮挡、姿态变化等因素的抗干扰能力，设计一种自适应策略实现全局增强特征和局部注意特征的加权融合，并基于自适应融合特征实现表情分类。在自然场景人脸表情数据集RAF-DB和FERPlus上的实验结果表明，提出网络的表情识别率分别为89.82%和89.93%，比基线网络ResNet50分别提高了13.39个百分点和10.62个百分点。与相关方法相比，提出方法降低了遮挡、姿态变化的影响，在自然场景下具有较好的表情识别效果。

关键词：人脸表情识别,全局增强特征,局部注意特征,自适应融合策略