基于改进的残差网络面部表情识别.pdfVIP

第42卷卷第期研究

DOI:10.19652/ki.femt.2304652

基于改进的残差网络面部表情识别

游松1.2

兰江海1.2周顺勇12

林国军1.2黄丹12

（1.四川轻化工大学人工智能四川省重点实验室自贡643000；

2.四川轻化工大学自动化与信息工程学院自贡643000）

摘要：为了解决人脸表情识别中存在的对关键信息获取能力不足、识别率偏低、模型容易出现过拟合等问题，以ResNet18

作为基本网络进行改进得到一个新的表情识别模型（IERNet）。IERNet通过引人ECA注意力机制构建出两种不同的注意力

残差单元，并组成注意力残差模块，从而增强对深层的表情关键特征的提取能力；又引人Iception模块来提取图像的多尺度浅

层信息，通过同时引入这两个模块的方式增强了网络的鲁棒性、提升了模型的识别率；最后使用全局平均池化结合Dropout技

术取代全连接层，可以有效防止模型的过拟合问题同时还能简化模型。通过实验数据可知，在公开表情数据集CK十和

FER2013上取得了不错的成绩，准确率分别达到了97.778%和73.558%。

关键词：表情识别；残差网络；注意力机制；深度学习

中图分类号：TN2文献标识码：A国家标准学科分类代码：520.604

Facialexpressionrecognitionbasedonimprovedresidualnetwork

LanJianghail.2LingGuojunl-2YouSongl.2ZhouShunyongl-2HuangDanl2

(1.SichuanKeyLaboratoryofArtificialIntelligence,SichuanUniversityofScience.Engineering,Zigong643000,China;

2.SchoolofAutomationandInformationEngineering,SichuanUniversityofScienceEngineering,Zigong643000,China)

Abstract:Inordertosolvetheproblemsexistinginfacialexpressionrecognition,suchasinsufficientabilitytoobtainkey

information,lowrecognitionrateandeasytooverfitthemodel,anewfacialexpressionrecognitionmodel(IERNet)was

developedbyusingResNet18asthebasicnetwork.ByintroducingECAattentionmechanism,IERNetconstructstwo

differentkindsofattentionresidualunitsandformsanattentionresidualmodule,soastoenhancetheabilitytoextract

thekeyfeaturesofdeepexpressions.Iceptionmoduleisintroducedtoextractthemulti-scaleshallowinformationofthe

image.Byintroducingthetwomodulesatthesametime,therobustnessofthenetworkisenhancedandtherecognition

rateofthemodelisimproved