计算机工程

作者：肖志鹏, 何书峰, 田春岐

单位：1. 同济大学电子与信息工程学院, 上海 2000922. 青岛海洋地质研究所, 山东 青岛 266072

关键词：情绪识别,深度学习,大核卷积神经网络,注意力机制,FER2013数据集,RAF-DB数据集

基金：物联网技术应用交通运输行业研发中心(杭州)开放基金(2023-04)

针对面部情绪识别过程中存在的难以捕获有效特征信息、无法使关键面部信息占据更主要地位的问题, 提出一种基于UniRepLKNet的面部情绪识别网络。为了更精确地提取面部情绪特征, 设计一个掩码极化自注意力模块, 其结合了U-Net和极化自注意力机制。这一模块能够深入挖掘通道和空间之间的依赖关系, 并通过多尺度特征融合策略, 强化人脸局部关键信息在情绪识别过程中的影响力。同时, 对大核卷积神经网络(CNN)UniRepLKNet进行优化, 提出EmoRepLKNet神经网络结构。在EmoRepLKNet中, 利用掩码极化自注意力模块使网络专注于提取面部情绪识别的关键信息, 并结合大核CNN感受野广的特点, 实现对面部情绪的有效识别。实验结果表明, 在面部情绪识别数据集FER2013上, 该方法达到了76.20%的准确率, 不仅超越了现有的对比模型, 而且相较于UniRepLKNet也显著提高了面部情绪识别的准确率。同时, 在RAF-DB数据集的单标签部分进行实验, 所提方法取得了89.67%的准确率。

来源：2025年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第11期