安徽科技学院信息与网络工程学院;
目的:解决通道注意力提取过程中各个通道信息利用不充分、交互性不足的问题。方法:提出一种基于SENet改进的通道注意力模型。本模型利用Inverted Bottleneck提取更加完整的通道信息。将GELU函数引入表情识别，以改善网络升维操作带来的过度融合问题。同时利用信息熵判断不同卷积核生成特征图的重要程度，为网络引入更多的归纳偏置。结果:在CK+和Oulu-CASIA库人脸表情数据集上的正确率分别达到95.92%和91.21%。结论:本方法能够更加充分地利用各通道特征，在有效提升准确率的同时具有较好的泛化能力。
| 154 | 0 | 11 |
| 下载次数 | 被引频次 | 阅读次数 |
[1] 梁斌，刘全，徐进，等.基于多注意力卷积神经网络的特定目标情感分析[J].计算机研究与发展，2017,54(8):1724-1735.
[2] 刘建伟，刘俊文，罗雄麟.深度学习中注意力机制研究进展[J].工程科学学报，2021,43(11):1499-1511.
[3] 张宸嘉，朱磊，俞璐.卷积神经网络中的注意力机制综述[J].计算机工程与应用，2021,57(20):64-72.
[4] 邵江南，葛洪伟.融合残差连接与通道注意力机制的Siamese目标跟踪算法[J].计算机辅助设计与图形学学报，2021,33(2):260-269.
[5] WANG Q L,WU B G,ZHU P F,et al.ECA-net:Efficient channel attention for deep convolutional neural networks[C]//IEEE Conference on Computer Vision and Pattern Recognition,2020:11531-11539.
[6] 刘德志，梁正友，孙宇.结合空间注意力机制与光流特征的微表情识别方法[J].计算机辅助设计与图形学学报，2021,33(10):1541-1552.
[7] 王珏.基于深度学习的人脸表情识别研究[D].南京：南京邮电大学，2021.
[8] 张鹏，孔韦韦，滕金保.基于多尺度特征注意力机制的人脸表情识别[J].计算机工程与应用，2022,58(1):182-189.
[9] 包志龙，陈华辉.基于残差注意力机制和金字塔卷积的表情识别[J].模式识别与人工智能，2022,35(6):497-506.
[10] 张帅龙.基于改进倒残差瓶颈和编码器—解码器的桥梁裂缝自动检测系统研究[D].西安：长安大学，2022.
[11] 赵兴旺，梁吉业.一种基于信息熵的混合数据属性加权聚类算法[J].计算机研究与发展，2016,53(5):1018-1028.
[12] WANG J L,JIANG T,CUI Z Y,et al.Filter pruning with a feature map entropy importance criterion for convolution neural networks compressing[J].Neurocomputing,2021,461:41-54.
[13] JAIN D K,SHAMSOLMOALI P,SEHDEV P.Extended deep neural network for facial emotion recognition[J].Pattern Recognit Lett,2019,120:69-74.
[14] SUN X,XIA P P,ZHANG L M,et al.A ROI-guided deep architecture for robust facial expressions recognition[J].Inf Sci,2020,522:35-48.
[15] SUN X,LYU M.Facial expression recognition based on a hybrid model combining deep and shallow features[J].Cogn Comput,2019,11(4):587-597.
[16] YU Z B,LIU Q S,LIU G C.Deeper cascaded peak-piloted network for weak expression recognition[J].Vis Comput,2018,34(12):1691-1699.
[17] FU Y J,WU X T,LI X,et al.Semantic neighborhood-aware deep facial expression recognition[J].IEEE Trans Image Process,2020,29:6535-6548.
[18] WANG S M,SHUAI H,LIU Q S.Phase space reconstruction driven spatio-temporal feature learning for dynamic facial expression recognition[J].IEEE Trans Affect Comput,2022,13(3):1466-1476.
基本信息:
DOI：10.19608/j.cnki.1673-8772.2023.0057
中图分类号:TP391.41
引用信息:
[1]李堃,王传安,吕雅洁等.基于通道注意力的人脸表情识别[J].安徽科技学院学报,2023,37(04):87-95.DOI:10.19608/j.cnki.1673-8772.2023.0057.
基金信息:
安徽省高校自然科学研究重点项目(KJ2021A0895); 安徽科技学院科研项目(2021zryb29);安徽科技学院引进人才项目(XWYJ202004)