计算机工程

作者：蓝峥杰, 王烈, 聂雄

单位：1. 广西大学 计算机与电子信息学院, 南宁 530004;2. 广西多媒体通信与网络技术重点实验室, 南宁 530004

关键词：表情识别,FER2013数据集,CK+数据集,词频-逆文档频率,损失函数,注意力机制

基金：广西科技重大专项（桂科AA21077007）。

面部表情能自然高效地表达人类的心理活动和思想状态，影响着人们的沟通交流过程。在诸多智能化应用中，人脸表情识别是人类与机器间建立情感交互的重要基础。在细粒度人脸表情识别任务中，由于特征提取网络对表情产生区域的关键特征处理不足，从而引发细节特征信息丢失问题。提出一种词频-逆文档频率注意力机制TF-IDF SPA，通过该机制调整表情产生关键区域的注意力分布，强化网络对该区域关键细节特征的提取能力。同时，为了应对表情识别任务中普遍存在的类间差异小、类内差异大的问题，设计一种改进型混合加权损失函数，以增强表情类内聚拢性同时增大类间距离。依据数据集中样本的数量分布情况，动态调整损失函数的分类权重值，从而强化模型对小数据量样本的学习能力。在此基础上，将结构简单的TF-IDF SPA模块与卷积层共同堆叠以构建人脸表情识别网络。实验结果表明，该网络具有较好的人脸表情识别性能，在FER2013和CK+数据集上的分类准确率分别达到73.52%和98.27%。

来源：2023年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第1期