计算机工程

作者：冉瑞生, 翁稳稳, 王宁, 彭顺顺

单位：重庆师范大学 计算机与信息科学学院, 重庆 401331

关键词：注意力机制,残差网络,人脸表情识别,裁剪掩码,Dropout正则化

基金：重庆市技术创新与应用发展专项面上项目（cstc2020jscx-msxmX0190）；重庆市教委科学技术研究计划项目（KJZD-K202100505，KJQN202100515）。

自然场景下人脸表情由于受遮挡、光照等因素影响，以及表情局部变化细微，导致现有人脸表情识别方法准确率较低。提出一种人脸表情识别的新方法，以ResNet18为主干网络，利用残差连接模块加深网络结构，以提取更多深层次的表情特征。通过引入裁剪掩码模块，在训练集图像上的某个区域进行掩码，向训练模型中增加遮挡等非线性因素，提升模型在遮挡情形下的鲁棒性。分别从特征图的通道和空间两个维度提取表情的关键特征，并分配更多的权重给表情变化明显的特征图，同时抑制非表情特征。在特征图输出前加入Dropout正则化策略，通过在训练中随机失活部分神经元，达到集成多个网络模型的训练效果，提升模型泛化能力。实验结果表明，与L2-SVMs、IcRL、DLP-CNN等方法相比，该方法有效提高了表情识别准确率，在2个公开表情数据集Fer2013和RAF-DB上的识别准确率分别为74.366%和86.115%。

来源：2023年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第2期