如需要完整文档点击下方 "点击下载文档" 按钮
鉴于现有人脸表情识别方法在表情识别过程中存在的诸多痛点,比如对有效特征提取不够、泛化能力不强、识别准确性不高等,提出了一种改进残差网络的人脸表情识别方法。 首先,引入卷积注意力机制,对网络中间的特征图进行重构,强调重要特征,抑制一般特征;其次,使用激活函数 PReLU 替换 ResNet 中原有的 ReLU,在提高模型拟合复杂数据能力的同时,避免出现在负值区域的梯度永远为 0,进而导致模型训练时无法执行反向传播的问题;然后,在网络输出层的avgpool 与 fc 之间加入 Dropout 抑制过拟合,以进一步增加网络模型的鲁棒性与泛化性;最后,在公开数据集 CK+上的仿真实验结果表明,该方法的准确识别率达到 96. 12% 。 与现有多种经典算法,以及 baseline 算法即 ResNet101 相比,改进的网络模型具有更好的识别效果,证明了该方法的有效性与优异性。
如需要完整文档点击下方 "点击下载文档" 按钮
《融合注意力机制改进 ResNet 的人脸表情识别》
将 完整文档 下载到本地,方便收藏和查阅
文件号:058076
点击下载文档