基于高效通道注意力机制和图像分割的轻量级表情识别算法

摘要

表情识别在教育、医疗、公共安全等方面发挥着重要作用。随着卷积神经网络(CNN)的发展,表情识别的准确率逐渐得到提升,但还不够理想,且参数规模增大和识别效率低下,使模型训练的开销增加。针对上述问题,文中提出一种基于高效通道注意力(ECA)机制和图像分割的轻量级表情识别算法。该算法分为面部分割网络FSNet(Face Segmentation Network)和轻量级表情分类网络TCNet(Tiny Classification Network)两部分,FSNet的目的在于切割出人脸部分,摒弃大量冗余信息,有效减少数据处理量;ECA机制使得特征提取效果有所提升,TCNet的识别精度也得到提高。所提方法在Fer-2013和RAF-DB数据集上的识别率分别为72.25%和85.40%,与其他模型对比,该方法能够在保持较少参数量的同时提高识别准确率。