声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：31-1289/TP
国际刊号：1000-3428
发布日期:
作者：王皓嘉, 邓勇舰, 刘婷婷, 杨震
单位：1. 北京工业大学信息学部, 北京 1001242. 湖北大学教育学院, 湖北 武汉 430072
关键词：面部表情识别,预训练模型,特征融合,交叉注意力机制,图像分类
基金：国家重点研发计划(2022YFF0610000)
面部表情识别(FER)在智慧教育领域具有重要意义。在FER任务中, 存在对单一先验图像特征的过度依赖，未能有效融合多种图像特征的问题，模型对自然环境中人脸表情识别泛化性差。为此，采用视觉大模型DINOv2作为预训练模型，在冻结其预训练权重的前提下，借助其在自然图像数据集中学到的经验，以获得更加通用的图像特征，从而提高特征提取的泛化性能。此外，设计一种基于混合特征网络的FER模型HFFER，利用两种不同的预训练模型获取不同的特征，并通过交叉注意力机制和多重卷积进行融合。实验结果表明，该模型在RAF-DB和AffectNet数据集上分别取得了92.18%和66.76%的准确率，均优于或相当于现有模型。这一研究为FER提供了新的方法，同时在真实课堂图像中的应用展示了其在实际教育场景中的可行性和应用潜力。
来源：2025年第10期
《计算机工程》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。