深度残差卷积下多视角特征融合的人脸表情识别

摘要

针对现实生活中多视角下人脸表情识别不够精准、计算量大等问题,提出了一种深度残差卷积下多视角特征融合的人脸表情识别模型MVResNet-FER。首先改进ResNet中的残差块,并使用深度可分离网络取代常规卷积网络。其次添加了CBAM模块,以增强多视角下有效特征的提取和浅层特征信息的补充。然后使用RReLu激活函数取代原始的ReLu,避免梯度较大时部分节点出现失活。最后使用全局平均池化层代替全连接层实现降维,并将生成的特征向量送入Softmax进行分类。实验表明,本文方法在CK+和RaFD数据集上产生了较优异的结果,能有效提高人脸表情识别的准确率。